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数据采集教程:通过识别列表进行数据抽取 数据采集 大数据 爬虫 

程序员文章站 2022-04-02 11:46:19
...

以孔夫子旧书网(kongfz.com/1004/)为例:

一.网站结构

1.网站截图说明

该网站为列表结构,可以通过识别列表的方式对全篇数据进行抽取。

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 网站列表页

 

2. 采集结果截图

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 采集数据结果

 

二. 配置模板

  1. 新建任务

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 新建任务

点击【下一步】,需要采集每一页检索结果并抽取数据,所以此处需要勾选【普通翻页】和【数据抽取】,如图:

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 新建采集任务

 

2.创建/选择表单

①创建表单

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 创建表单

②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主键、作者名称、标题名称、价格等四个字段, 以配置发布时间(pubtime)为例:

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 配置表单

 

③数据抽取链接关联表单

选择刚才新创建的表单"孔夫子"

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 关联表单

3.字段定位

取值方法:由于此处活取的是列表页的数据,所以可以应用“识别列表”功能,直接取到列表数据,操作方法如下:

①点击“数据抽取-孔夫子”,按住ctrl+鼠标左键点击定位标题内容

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 定位标题

②按住Shift+鼠标左键继续点击,直到点击到选中整个第一条数据

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 定位第一条数据

③在软件的右下角可以看到“识别列表”按钮 ,此时点击“识别列表”,如下图,此时列表中的内容都已经选中。

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 定位全数据

④对每个字段进行取值,方法依然是: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。如:price字段,见下图:

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 字段定位

4.模板预览

鼠标右键点击“孔夫子”,然后点击“模板预览”

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 模板预览

5.过滤翻页链接

勾选标题过滤,过滤规则选择包含,填入"下一页"

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 过滤翻页

三.数据采集

1.连接数据库

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 连接数据库

2.创建数据表

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 创建数据表

3.选中数据表

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 关联数据表

4.开始采集

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 开始采集

5.采集结果

前嗅ForeSpider数据采集教程:通过识别列表进行数据抽取
            
    
    
        数据采集 大数据 爬虫 采集结果