博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
前嗅ForeSpider教程:通过搜索框检索关键词采集数据
阅读量:6847 次
发布时间:2019-06-26

本文共 1478 字,大约阅读时间需要 4 分钟。

hot3.png

以图中网站搜索关键词为例,采集当前列表页的正文数据:

第一步:新建任务

①点击左上角“加号”新建任务,如图1:

【图1】

②在弹窗里填写采集地址、任务名称,由于此次需要配置关键词,所以在新建任务时,需要勾选一下“关键词采集”如图2:

【图2】

③点击下一步,选择进行数据抽取还是链接抽取,本次采集需要采集列表页中正文的所有文本信息,所以此处需要勾选“抽取链接”-“普通翻页”,如图3:

【图3】

第二步:配置关键词

①由于在创建任务时,选择了关键词采集,所以此时,显示在任务层,如图4:

【图4】

②按照右侧关键词配置步骤的提示(每个步骤按钮可以点击,如无此操作步骤,可直接跳过),开始配置关键词,如图5:

<1>点击关键词,按照操作提示,按住ctrl+鼠标左键点击搜索框

<2>在完成步骤时,按住ctrl+鼠标左键点击搜索按钮

【图5】

③关键词列表处,填写关键词,并点击保存,如图6:

【图6】

第三步: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:“下一页”的链接。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7

【图7】

③点击采集预览查看是否过滤成功,如图8

【图8】

第四步: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9

【图9】

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10。

【图10】

第五步: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, 见图11:

【图11】

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12:

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12:

【图12】

第六步: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13。

方法一:通过下拉菜单或表单ID选择已有表单

【图13】

方法二:点击创建表单进入快速建表页面,新建表单

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14:

【图14】

第七步: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、网页地址、全部文本三个字段,表单如图15:

【图15】

第八步:字段取值

取值方法:由于网页标题和网页地址是可以自动取值的字段,所以我们只需要取到网页文本即可。

text字段,如图16:

【图16】

第九步:模板预览

①鼠标右键点击“数据抽取”,然后点击“模板预览”,如图17:

【图17】

②预览结果如图18:

【图18】

第十步:采集预览

①击右上角采集预览,如图19:

【图19】

②点击任意一条链接,看看是否可以得到和网页对应的规整的数据,如图20

【图20】

转载于:https://my.oschina.net/forespider/blog/3000132

你可能感兴趣的文章
iptables 学习笔记
查看>>
MongoDB与内存
查看>>
tcpdump抓取mysql报文
查看>>
ubuntu下的中文搜索sphinx的安装配置
查看>>
三.Object-C 方法,封装 (下)
查看>>
2003年9月全国计算机等级考试二级C语言笔试试题及答案
查看>>
重复制造轮子之——字节数组写入文件
查看>>
IMP 导入表结构到指定用户
查看>>
windows下FTP连接linux简单演示-dos操作
查看>>
redhat6启动U盘安装
查看>>
H3C 交换机 和windows NPS结合实现内网802.1X认证
查看>>
device "eth0" does not seem to be present, delaying initialization
查看>>
mysql日志
查看>>
深入理解jQuery插件开发
查看>>
Hibernate 马上入门(一)
查看>>
mysql复制原理
查看>>
几款利用ps技术处理的图片
查看>>
linux重定向
查看>>
基于CenOS搭建VNC远程桌面服务
查看>>
正则表达式的基本知识点
查看>>