欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

前嗅教程:采集正文数据(翻页)  

程序员文章站 2022-07-14 08:25:26
...

第一步:新建任务

①点击左上角“加号”新建任务,如图1:


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图1】

②在弹窗里填写采集地址,任务名称如图2:


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图2】

③点击下一步,选择进行数据抽取还是链接抽取,本次采集当前列表页新闻的正文数据,正文数据是通过点击列表链接进入的,所以本次需要抽取列表链接,所以点击抽取链接,如图3:

 
前嗅教程:采集正文数据(翻页)
            
    
    
         
 

【图3】

第二步:通过智能过滤,得到所需链接。

①按住Ctrl+鼠标左键点击所需链接;

②点击“智能过滤”按钮,如图4:


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图4】

 

第三步:点击采集预览确认链接是否过滤完全,如图5


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图5】

第四步:创建翻页链接抽取 

方法一:创建任务,勾选链接抽取,直接选择链接列表和普通翻页,如图6

 
前嗅教程:采集正文数据(翻页)
            
    
    
         
 

【图6】

方法二:如果创建任务时,只勾选了链接列表,可以点击上一步,回到模板层,补选翻页链接抽取,点击下一步,创建翻页链接

方法三:直接点击模板二,点击上面“新建链接抽取” 按钮,得到链接抽取,如图7


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图7】

第五步:通过标题过滤,过滤翻页链接

①点击采集预览,我们可以发现,翻页链接即为名为上一页、下一页两条链接。对于翻页,只需要取到标题名为“下一页”的链接即可。

②这里应用标题过滤,过滤规则选择“包含”,过滤串填写“下一页”即可。如图8


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图8】

④击采集预览查看是否过滤成功,如图9

 
前嗅教程:采集正文数据(翻页)
            
    
    
         
 

【图9】

第六步:关联模板

在软件中模板的关联关系,与网页中链接跳转的关系相同。

①关联“链接列表”

根据网页跳转规律,将“链接列表”关联模板二“链接列表:02”,此处由于我们开始就选择了创建列表链接,所以软件自动关联好了模板二。如果配置的时候发现关联有问题,可以自己进行更改,如图10


前嗅教程:采集正文数据(翻页)
            
    
    
         
 

 【图10】

②关联“翻页”(对应第四步创建翻页链接抽取)

情况一:创建模板或通过向导,创建的翻页链接抽取,会默认关联模板一,即当前页模板,如图11。

情况二:手动点击按钮创建翻页链接抽取,需要手动关联,如图11。

 


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图11】

第七步:填写模板二示例地址并新建数据抽取

①将模板一过滤得到的任意一条链接,作为模板二的示例地址。如:http://pl.ifeng.com/opinion/zhengnengliang/497/1.shtml, 见图12

 
前嗅教程:采集正文数据(翻页)
            
    
    
         
 

【图12】

②新建数据抽取

方法一:通过点击“下一步”后勾选抽取数据,再次点击“下一步”得到数据抽取,如图13

方法二:直接点击模板二,点击上面“新建数据抽取” 按钮,得到数据抽取,如图13

 
前嗅教程:采集正文数据(翻页)
            
    
    
         
 

【图13】

 

第八步:创建/选择表单

在ForeSpider爬虫中,表单是可以复用的,所以可以在数据表单出直接选择之前建过的表单,也可以通过表单ID来进行查找并关联数据表单。此处使用的是之前建过的凤凰网的表单,如图14

方法一:通过下拉菜单或表单ID选择已有表单

方法二:点击创建表单进入快速建表页面,新建表单


前嗅教程:采集正文数据(翻页)
            
    
    
         
 

 【图14】

方法三:点击“采集配置”-“数据建表”,点击采“采集表单”后面的 如图15

 
前嗅教程:采集正文数据(翻页)
            
    
    
         
 

【图15】

第九步:配置表单

根据所需内容,配置表单字段(即表头),此处配置了包括标题、作者、发布时间、文本内容以及网址五个字段,表单如图16

 

 
前嗅教程:采集正文数据(翻页)
            
    
    
         
 

【图16】

第十步:字段取值

取值方法:按住Ctrl+鼠标左键,进行区域选择,按住Shift+鼠标左键,扩大选择区域。

title字段,点击“确认选区”按钮,确认操作,如图17

 
前嗅教程:采集正文数据(翻页)
            
    
    
         
 

【图17】

第十一步:模板预览

①标右键点击“数据抽取”,然后点击“模板预览”,如图18


前嗅教程:采集正文数据(翻页)
            
    
    
         
 

 【图18】

 

②览结果如图19


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图19】

第十二步:采集预览

①击右上角采集预览,如图20

 


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图20】

②击任意一条链接,看看是否可以得到和网页对应的规整的数据,如图21


前嗅教程:采集正文数据(翻页)
            
    
    
         
  

【图21】

  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 2.3 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 15 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 96.7 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 120.4 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 33.1 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 16.7 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 32.5 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 121.8 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 9.1 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 9.2 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 30.8 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 10.5 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 55.1 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 56.9 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 48 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 54.5 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 117.3 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 20.1 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 144.6 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 116.7 KB
  • 前嗅教程:采集正文数据(翻页)
            
    
    
         
  • 大小: 85.2 KB

上一篇: 面试 java 2

下一篇: 基础知识