4.1.1 创建新任务

通常一个采集源对应着一个任务，如采集人民网，就创建一个任务叫人民网。

大量网站结构相似的采集源，可以放在同一个任务中，例如要同时采集100个结构相似网站，可以把网址粘到同一个任务的采集地址中。

【新建任务】

1.添加任务

点击任务列表右侧“”，新建一个任务。也可以通过右键或文件菜单，导入一个任务模板。

【添加任务】

2.填写采集地址

在弹窗里填写采集地址和任务名称。

【填写采集地址】

采集地址指的是采集对象的入口地址，即为该网页链接（url地址）。以采集淘宝为例：

①采集整个淘宝网全部商品的信息，淘宝网首页链接就是入口地址。

②只采集“女装”类别的商品信息，“女装”首页链接就是入口地址。

③只采集某商品的评论信息，该商品的链接地址就是入口地址。

大多数情况下，采集地址只填写一个url地址。如果链接的页面结构和层级结构是一致的，能够套用同一套采集模板进行采集，可填写多个采集地址，中间用回车换行分隔。如果不一致，需要创建新的采集任务。

3.设置采集类型、关键词、登录

采集类型分为两种：

①默认（html）：采集网站、APP数据时选用。

②本地文件目录：采集本地文件目录的html和xml数据时选用。

③当采集的网站需要关键词检索时，勾选【关键词采集】。

【选择关键词采集】

④当采集的网站需要登录后才能采集时，需要勾选手动/自动登录方式。

【登录网站】

4.选择当前页面抽取内容

创建新的任务之后，点击“下一步”，选择页面需要抽取的内容。

【选择页面抽取内容】

根据页面内容，确定每层模板的抽取目标，每层模板都可以创建多个抽取。

①抽取链接：需要抽取页面上的链接时，选择创建链接抽取。如抽取该页面的链接列表和翻页，则创建两个链接抽取。

【链接抽取】

②抽取数据：需要抽取页面上的数据时，选择创建数据抽取。

【数据抽取】

例如：

需要采集新闻的正文数据，而当前页面是新闻首页，汇集了新闻的链接，正文数据是通过点击新闻链接才能进入的，所以本页面需要选择“抽取链接”中的“链接列表”。

【抽取链接】

点击“完成”，软件自动创建对应的抽取内容的模板。

【抽取模板】

软件预置了一些常见的链接页面场景，此时勾选链接列表，软件会自动建立一个链接抽取。如需继续添加抽取方式，可以自行手动进行添加。如下图所示：

【添加抽取模板】