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ForeSpider教程:采集图片/视频/资源文件

程序员文章站 2022-07-14 08:32:09
...

第一步:新建任务

①点击左上角“加号”新建任务,如图1:

前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 

【图1】

② 弹窗里填写采集地址,任务名称如图2:
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图2】

③点击下一步,选择进行数据抽取还是链接抽取,本次采集所有页面的图片,图片链接是通过点击图片列表链接进入的,所以本次需要抽取列表图片链接,所以点击抽取链接,如图3:


前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 【图3】

第二步:选择链接类型

由于本次需要取到的是图片链接,图片链接不同于其他网页链接,所以需要特殊对待,在链接(网址)属性配置下面的“链接类型”中,选择“图片、视频等资源链接”


前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图4】

第三步:通过地址过滤,得到所需链接。

①点击采集预览,在采集预览中有于目标链接相似的其他链接,可通过地址过滤得到列表链接。找到所需要的列表链接,观察得出所需要的目标链接都包含“.jpg”,如图5所示。
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图5】

② 选地址过滤,过滤规则选择包含,填入“.jpg\e”,得到列表链接,如图6所示。

 
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图6】

③ 点击采集预览确认链接是否过滤完全,如图7
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图7】

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8

 
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图8】

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9
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图9】

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10
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图10】

③ 点击采集预览查看是否过滤成功,如图11
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图11】

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12
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图12】

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13。

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13。
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图13】

第七步:填写模板二示例地址并新建数据抽取

① 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://pic190.nipic.com/pic/20181106/3554136_164629689000_4.jpg , 见图14:
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图14】

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15

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15
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图15】

 

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。此处使用的是昵图网的表单,如图16

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ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图16】

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17
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图17】

第九步:配置表单

根据所需内容,配置表单字段(即表头),此处配置了包括网页标题和图片两个个字段,表单如图18
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图18】

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。点击“确认选区”按钮,确认操作。

pic_image字段,如图19
前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 

【图19】

 

第十二步:采集预览

点击右上角采集预览,如图20


前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
 【图20】

 

  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 2.3 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 34.4 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 32.3 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 9.7 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 115.7 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 23.7 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 127.5 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 34.7 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 11.7 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 17.1 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 41.1 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 9.6 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 9.8 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 33.4 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 12.5 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 36.7 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 63.2 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 31.6 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 50.9 KB
  • 前嗅ForeSpider教程:采集图片/视频/资源文件
            
    
    博客分类: 教程 数据采集爬虫软件 
  • 大小: 96.1 KB