前嗅ForeSpider教程:通過連結列表採集正文資料(不翻頁)
第一步:新建任務
①點選左上角“加號”新建任務,如圖1:
【圖1】
②在彈窗裡填寫採集地址,任務名稱如圖2:
【圖2】
③點選下一步,選擇進行資料抽取還是連結抽取,本次採集當前列表頁新聞的正文資料,正文資料是通過點選列表連結進入的,所以本次需要抽取列表連結,所以點選抽取連結,如圖3:
【圖3】
第二步:通過智慧過濾,得到所需連結。
① 按住Ctrl+滑鼠左鍵點選所需連結;
② 擊“智慧過濾”按鈕,如圖4:
【圖4】
第三步:點選採集預覽確認連結是否過濾完全,如圖5
【圖5】
第四步:關聯模板
在軟體中模板的關聯關係,與網頁中連結跳轉的關係相同。關聯模板
根據網頁跳轉規律,將“連結列表”關聯模板二“連結列表:02”,此處由於我們開始就選擇了建立列表連結,所以軟體自動關聯好了模板二。如果配置的時候發現關聯有問題,可以自己進行更改,如圖6
【圖6】
第五步:填寫模板二示例地址並新建資料抽取
① 模板一過濾得到的任意一條連結,作為模板二的示例地址。
如:http://pl.ifeng.com/opinion/zhengnengliang/497/1.shtml, 見圖7:
【圖7】
②新建資料抽取
方法一:通過點選“下一步”後勾選抽取資料,再次點選“下一步”得到資料抽取,如圖8
方法二:直接點選模板二,點選上面“新建資料抽取”按鈕,得到資料抽取,如圖8
【圖8】
第六步:建立/選擇表單
在ForeSpider爬蟲中,表單是可以複用的,所以可以在資料表單出直接選擇之前建過的表單,也可以通過表單ID來進行查詢並關聯資料表單。此處使用的是之前建過的鳳凰網的表單,建立表單,如圖9
方法一:通過下拉選單或表單ID選擇已有表單
方法二:點選建立表單進入快速建表頁面,新建表單
【圖9】
方法三:點選“採集配置”-“資料建表”,點選採“採集表單”後面的如圖10
【圖10】
第七步:配置表單
根據所需內容,配置表單欄位(即表頭),此處配置了包括標題、作者、釋出時間、文字內容以及網址五個欄位,表單如圖11
【圖11】
第八步:欄位取值
取值方法:按住Ctrl+滑鼠左鍵,進行區域選擇,按住Shift+滑鼠左鍵,擴大選擇區域。
title欄位,如圖12
【圖12】
第九步:模板預覽
① 標右鍵點選“資料抽取”,然後點選“模板預覽”,如圖13
【圖13】
③ 預覽結果如圖14
【圖14】
第十步:採集預覽
① 擊右上角採集預覽,如圖15
【圖15】
②雙擊任意一條連結,看看是否可以得到和網頁對應的規整的資料,如圖16
【圖16】