发表于2019年8月22日11:34最后回复于2019年8月22日11:34

CSDN

878浏览量

0评论

以CSDN(https://blog.csdn.net/nav/career)为例,采集当前列表页博文的正文数据:

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,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,本次采集当前列表页博文的正文数据,正文数据是通过点击列表链接进入的,所以本次需要抽取列表链接,所以点击抽取链接,如图3:

【图3】

第二步:通过定位过滤,得到所需链接

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,点击“确认选区”按钮,如图4:

【图4】

②点击采集预览确认链接是否过滤完全,如图5所示。

【图5】

第三步: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。

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6:

【图6】

第四步:填写模板二示例地址并新建数据抽取

①将模板一过滤得到的任意一条链接,作为模板二的示例地址。如:https://blog.csdn.net/voke_/article/details/76418116, 见图7:

【图7】

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。

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8:

【图8】

第五步: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CSDN的表单。

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9所示:

【图9】

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10:

【图10】

第六步: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、网页标题、访问数量、正文、作者5个字段,表单如图11:

【图11】

第七步:字段取值

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。

read_num、text、author字段,如图12:

【图12】

第八步: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13:

【图13】

②预览结果如图14:

【图14】

第九步:采集预览

①点击右上角采集预览,如图15:

【图15】

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16:

【图16】


私信

举报