前嗅ForeSpider采集教程：采集【链接列表】的数据 大数据 爬虫 数据采集 采集链接

案例：采集“人上人”官网首页数据列表

人上人-最新资讯： http://www.gzrsr.com/news/

一. 网站内容

1. 网站截图说明

本教程通过采集“人上人”首页“最新资讯”栏目列表中的数据为例，故链接入口为：http://www.gzrsr.com/news/，如下图：

【人上人官网-“联系我们”】

2. 采集结果截图

【链接列表采集预览】

一. 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

【新建任务】

Step1：点击“采集配置”

Step2：点击【任务列表】中的“+”，新建采集任务

Step3：在如图的红框中输入采集地址和任务名称（可自定义），完成后点击“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。

【新建采集任务】

2. 确认选区

由于我们只需要采集链接列表的数据，故需要过滤掉其他无效数据，保留最终有效数据。这里我们可以使用【确认选区】功能即可轻松筛查，操作如下图所示：

Step1：点击Shift+左键，将页面中所有的“链接列表”选中。

Step2：点击“确认选区”即可完成有效数据的筛选。

3. 链接列表 采集预览

点击“采集预览”，左侧下滑列表中选择“链接列表”，最终呈现如下图所示即可表示筛选正确。

【采集预览】

4. 普通翻页配置

按图片数字所示，1-2-3完成新建任务的步骤

Step1：点击左侧“链接抽取-普通翻页”

Step2：这时我们将网页拉到最底部，Ctrl+左键 选择“下一页”确认选区

Step3：勾选“标题过滤”，过滤规则选择“包含”并在输入框中，手动输入“下一页”即可完成 普通翻页的配置。

注意：记得随时点击右上角的“保存”，养成良好的操作习惯。

5. 普通翻页-采集预览

完成第4步骤后，点击右上方“采集预览”，最终呈现应如下图：

左侧下滑列表中选择“全部有效链接”和“普通翻页”如均出现【下一页】则表示配置成功，进行下一步骤。

6. 添加【数据抽取】

完成链接列表和普通翻页配置后，最后我们应抽取网页中的列表数据，如下图：

点击左侧“模板抽取配置”旁边的“+”，配置数据抽取，操作如下：

最终如下：

7. 数据抽取建表

按图片数字所示，1-2-3完成新建任务的步骤

如图示点击【数据建表】：

Step1：点击“采集配置”

Step2：选择“数据建表”

Step2：点击“+”，新建表单并自定义名称，这里取“人上人数据”

根据所需内容，配置表单字段，此处配置了包括主键、标题、文章摘要等等。表单建立如下：

【创建主键】

字段名称：id

采集内容 选择“主键”，此处务必选“自增ID主键”。

PS：非链接内正文数据的“网页主键”

数据类型 选择“长数字”

字段属性 选择 “索引字段”、“健值唯一”、“主键字段”、“全文索引”

最后点击“确定”即可。

【创建字段1-标题】

字段名称：tittle

采集内容 选择“选区内可见文本”

数据类型 选择“字符串”

数据长度 选择 范围50即可，最后点击确定。（备注可随意）

【创建字段2-摘要】

字段名称：zhaiyao

采集内容 选择“选区内可见文本”

数据类型 选择“字符串”

数据长度 选择 范围100左右即可，最后点击确定。（备注可随意）

8. 创建关联数据表

表单配置完毕后，需要进行数据关联，操作如下：

选择刚才建立的“人上人数据”，点击【创建】按钮，即可生成对应的“关联数据表”

创建表名称可随意填写，需注意 仅可使用“全英文”，最后点击 确定 即可完成。

注意：创建完成后，记得“勾选”

9. 数据建表 确认选区

ID字段务必保证是 “自增ID主键”，如果是“网页主键”在红框位置可选择更改。

Tittle选区：

Step1：点击左侧“tittle”

Step2：Ctrl+左键选择图示2位置的标题

Step2：点击图示3位置的“确认选区”即可完成

Zhaiyao选区：

Step1：点击左侧“zhaiyao”

Step2：Ctrl+左键选择图示2位置的文字部分

Step2：点击图示3位置的“确认选区”即可完成

以上步骤完成后，点击右上角的“保存”，即可完成数据建表的步骤。

三. 链接列表 数据预览

完成所有步骤后，最后点击右上方的“采集预览”即可查看“最新资讯”的链接列表数据啦~。

最终如下图所示，即可完成本次的操作了，你学会了吗？