前嗅教程:同一个网站中从另一页面采集数据

第一步:新建任务
①点击左上角“加号”新建任务,如图1:
前嗅教程:同一个网站中从另一页面采集数据
【图1】
②在弹窗里填写采集地址,任务名称,如图2:
前嗅教程:同一个网站中从另一页面采集数据
【图2】
③点击下一步,选择进行数据抽取还是链接抽取,本次采集企业最新动态链接列表,所以点击抽取链接,选择链接列表,如图3:
前嗅教程:同一个网站中从另一页面采集数据
【图3】
④完成之后,在模板抽取配置下生成两个模板,默认模板:01和链接列表:02。模板1中的“链接列表”链接抽取已与模板2关联,如图4。如果配置的时候发现关联有问题,可以自己进行更改。
前嗅教程:同一个网站中从另一页面采集数据
【图4】
第二步:使用定位过滤,得到列表链接
①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。
②点击确认选区,如图5:
前嗅教程:同一个网站中从另一页面采集数据
【图5】
③点击采集预览,确认链接抽取是否正确,如图6:
前嗅教程:同一个网站中从另一页面采集数据
【图6】
第三步:在模板2添加示例地址,并添加链接抽取
①将模板1过滤得到的任意一条链接,作为模板2的示例地址。如:http://blog.11467.com/b427516.htm,如图7
前嗅教程:同一个网站中从另一页面采集数据
【图7】
②新建链接抽取。直接点击模板2,点击上面“新建链接抽取”按钮,得到链接抽取,如图8。
前嗅教程:同一个网站中从另一页面采集数据
【图8】
③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。
根据网页跳转规律,模板1中的“链接列表”链接抽取已与模板2关联。如果配置的时候发现关联有问题,可以自己进行更改。

第四步:使用定位过滤,得到列表链接
①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。
②点击确认选区,如图9:
前嗅教程:同一个网站中从另一页面采集数据
【图9】
③右击模板预览,查看链接抽取结果,如图10所示:
前嗅教程:同一个网站中从另一页面采集数据
【图10】
④确认链接抽取是否正确,如图11:
前嗅教程:同一个网站中从另一页面采集数据
【图11】
第五步:新建模板3添加示例地址,并添加链接抽取
①新建模板3,将模板2过滤得到的链接,作为模板3的示例地址。如:http://93358999.b2b.11467.com,如图12
前嗅教程:同一个网站中从另一页面采集数据
【图12】
②新建链接抽取。直接点击模板3,点击上面“新建链接抽取”按钮,得到链接抽取,如图13。
前嗅教程:同一个网站中从另一页面采集数据
【图13】
③关联链接列表的“新建链接抽取”。
根据网页跳转规律,将模板2链接列表的“新建链接抽取”关联模板3。如果配置的时候发现关联有问题,可以自己进行更改,如图14:
前嗅教程:同一个网站中从另一页面采集数据
【图14】
第六步:使用定位过滤,得到导航列表的链接
①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。
②点击确认选区,如图15:
前嗅教程:同一个网站中从另一页面采集数据
【图15】
③右击模板预览,查看链接抽取结果,如图16所示:
前嗅教程:同一个网站中从另一页面采集数据
【图16】
④确认链接抽取是否正确,如图17:
前嗅教程:同一个网站中从另一页面采集数据
【图17】
⑤使用标题过滤,得到“联系我们”的链接,如图18所示:
前嗅教程:同一个网站中从另一页面采集数据
【图18】
第七步:新建模板4添加示例地址,并添加链接抽取
①新建模板4,将模板3过滤得到的“联系我们”链接,作为模板4的示例地址。如:http://tianjin0311065.11467.com/contact.asp,如图19
前嗅教程:同一个网站中从另一页面采集数据
【图19】
②新建数据抽取。直接点击模板3,点击上面“新建数据抽取”按钮,得到数据抽取,如图20。
前嗅教程:同一个网站中从另一页面采集数据
【图20】
③关联模板3的“新建链接抽取”。
根据网页跳转规律,将模板3的“新建链接抽取”关联模板4。如果配置的时候发现关联有问题,可以自己进行更改,如图21:
前嗅教程:同一个网站中从另一页面采集数据
【图21】
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。此处使用的是方法三。
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,如图22所示。
前嗅教程:同一个网站中从另一页面采集数据
【图22】
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23:
前嗅教程:同一个网站中从另一页面采集数据
【图23】
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主键、联系人、电话、地址以及公司介绍五个字段。其中,公司介绍字段intro_text的取值在同一网站的不同页面,需要用到脚本取值,配置类型时需要选择高级取值>模板取值,表单如图24:
前嗅教程:同一个网站中从另一页面采集数据
【图24】
第十步:字段取值
①关联表单,如图25所示:
前嗅教程:同一个网站中从另一页面采集数据
【图25】
②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。
person、tel、addr字段,如图26:
前嗅教程:同一个网站中从另一页面采集数据
【图26】
③intro_text字段需要进行模板取值。

第十一步:创建新的模板,添加示例地址
①表单intro_text字段来自公司介绍,如图27所示。
前嗅教程:同一个网站中从另一页面采集数据
【图27】
图中红框部分为取值内容,如图28所示:
前嗅教程:同一个网站中从另一页面采集数据
【图28】
②新建模板,添加“公司介绍”链接为示例地址,如:http://93358999.b2b.11467.com/about.asp(模板3右击模板预览,选择全部链接),如图29所示
前嗅教程:同一个网站中从另一页面采集数据
【图29】
③直接点击模板5,点击上面“新建数据抽取”按钮,得到数据抽取,如图30:
前嗅教程:同一个网站中从另一页面采集数据
【图30】
第十二步:创建/选择表单
点击“采集配置”-“数据建表”,点击采“采集表单”后面的,如图31:
前嗅教程:同一个网站中从另一页面采集数据
【图31】
第十三步:配置表单
根据所需内容,配置表单字段(即表头),此处配置了“公司介绍”字段intro_text表单如图32:
前嗅教程:同一个网站中从另一页面采集数据
【图32】
第十四步:关联表单,完成“公司介绍”字段抽取
①点击模板5,关联表单,如图33所示:
前嗅教程:同一个网站中从另一页面采集数据
【图33】
②使用字段定位取值方法。
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,确认选区,如图34所示。
前嗅教程:同一个网站中从另一页面采集数据
【图34】
③右击模板预览,如图35所示:
前嗅教程:同一个网站中从另一页面采集数据
【图35】
④模板预览结果,如图36所示:
前嗅教程:同一个网站中从另一页面采集数据
【图36】
第十五步:模板取值关联
①点击模板4,点击intro_text字段,在红框中填入“href=[5]”,并按住Ctrl+鼠标左键,进行区域选择,如图37所示。
“[ ]”中填写模板ID。
前嗅教程:同一个网站中从另一页面采集数据
【图37】
②点击模板4,右击模板预览,如图38所示:
前嗅教程:同一个网站中从另一页面采集数据
【图38】
③预览结果如图39所示:
前嗅教程:同一个网站中从另一页面采集数据
【图39】
第十六步:采集预览
①点击右上角采集预览,如图40:
前嗅教程:同一个网站中从另一页面采集数据
【图40】
②双击任意一条链接,看看是否可以得到和网页对应的规整的数据,如图41、42、43所示。
前嗅教程:同一个网站中从另一页面采集数据
【图41】
前嗅教程:同一个网站中从另一页面采集数据
【图42】
前嗅教程:同一个网站中从另一页面采集数据
【图43】

猜你喜欢

转载自blog.51cto.com/13915865/2346997