2.1.5 从【子栏目】进【链接列表页】采集正文

以安居客为例，https://tianjin.anjuke.com/sale/?from=navigation

一．网站内容

1.网站截图说明

本教程以采集“二手房”列表页链接内的正文数据为例，故链接入口应该为“二手房”板块的网址（https://tianjin.anjuke.com/sale/?from=navigation）

①点击官网，找到“二手房”点进进入，如下图红框所示。

②进入“二手房”复制该链接，如红框所示：

2.采集结果截图

二．操作方法

1.新建任务

按图片数字所示，1-2-3完成新建任务的步骤。

点击“下一步”，需要采集正文数据，所以此处需要勾选【链接列表】和【普通翻页】，如图，最后点击“完成”即可。

2.链接抽取配置

①内置浏览器显示搜索页面后，按照提示：ctrl+左键单击文章标题。

②点击【确认选区】按钮，也可以在右侧地址过滤设置过滤规则。

③最后点击右上角的【采集预览】查看是有内容，如下图：

3.翻页配置

采集页内含其它多链接，这时需要将翻页进行配置，以便将该页面内所有链接内容都可抽取出来。

按照图示数据操作：

①点击左侧“链接抽取：普通翻页”

②Ctrl+鼠标左键点击“下一页”

③点击右下角，选择“标题过滤”，过滤规则选择“包含”，手动输入“下一页”即可。

4.翻页采集预览

接第3步，点击右上角【采集预览】查看是否可生成如下图的链接和数据。

注：下图的预览内含所有下一页包含的链接。

5.数据抽取

在【新建任务】中输入的网址只是我们想采集的预览页面，具体采集的正文内容（数据）需要进入详情。

按照图示数据操作：

①双击左侧红框位置，可自定义名称，这里我们取“正文”。

②勾选【抽取数据】将对应的层级链接复制粘贴到【示例地址】中，最后点击“下一步”即可完成。（https://tianjin.anjuke.com/prop/view/A1887705624?from=filter&spread=commsearch_p&uniqid=pc5dd256fa182d89.39922172&position=1&kwtype=filter&now_time=1574065914）

6.配置表结构

如图示点击【数据建表】：

①点击“采集配置”-“数据建表”。

②点击“+”，新建表结构并自定义名称，这里取“安居客”。

根据所需内容，配置表结构字段，此处配置了包括主键、房屋信息、房屋编号、发布时间、文章内容等等。表结构建立如下：

字段名称：hkey

A.采集内容：选择“主键”。

B.数据类型：选择“长数字”。

C.字段属性：选择 “索引字段”、“键值唯一”、“主键字段”。

字段名称：suozaixiaoqu

A.采集内容：选择“选区内可见文本”。

B.数据类型：选择“字符串”。

C.数据长度：选择 范围10-20即可，最后点击确定。

字段名称：suozaiweizhi

A.采集内容：选择“选区内可见文本”。

B.数据类型：选择“字符串”。

C.数据长度：选择 范围10-20即可，最后点击确定。

表结构配置字段自定义即可，如有其他需求可按上述类似操作即可。最终呈现如下图：

7.关联数据表

表结构配置完毕后，需要进行数据关联，操作如下：

选择所需的表结构，点击【创建】按钮。创建表名称可随意填写，需注意开头仅可使用英文字母，可加数字。中文名称不能作为表名称。

8.字段取值

操作如下图所示：

①字段：suozaixiaoqu

A.在左侧“安客居”下属字段中点击suozaixiaoqu。

B.找到“所属小区”对应信息“金城艺术家”并ctrl+左键点击选中该选区。

C.最后点击“确认选区”即可。

②字段：suozaiweizhi

A.在左侧“安客居”下属字段中点击“suozaiweizhi”。

B.找到“所属位置”对应信息“西青-精武-津来公路，近工一号路”并ctrl+左键点击选中该选区。

C.最后点击“确认选区”即可。

注意：主键无需确认选区，操作过程中要随时点击“保存”，养成良好习惯。

9.模板预览

通过预览，可以了解配置是否能够正确地采集到所需正文数据。鼠标右键后选择【链接列表】，可以单独预览某个链接的数据。