今天以58同城为例:
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,首先采集58同城·便当分类下的分类列表的链接,所以点击抽取链接,如图3:
【图3】
④完成后模板抽取配置列表有一个模板,默认模板,如图4:
【图4】
第二步:创建链接抽取,通过定位过滤得到所需链接
①直接点击“默认模板:01”,点击上面“新建链接抽取”
按钮,得到链接抽取,如图5。
【图5】
②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6:
【图6】
③点击采集预览确认链接是否过滤完全,如图7:
【图7】
第三步:创建新模板,并添加链接抽取
①在模板配置,点击“新建模板”按钮,得到新建模板,如图8。
【图8】
②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:, 见图9:
【图9】
③新建数据抽取。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10。
【图10】
④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,将模板一的“新建链接抽取”关联模板二,如图11
【图11】
第四步:通过定位过滤得到文章列表所需链接
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12:
【图12】
②鼠标右键点击模板二,模板预览,如图13:
【图13】
③确认链接是否过滤完全,如图14:
【图14】
第五步:创建新的模板,并新建数据抽取
①在模板配置,点击“新建模板”
按钮,得到新建模板,重命名为正文数据模板,如图15。
【图15】
②新建数据抽取。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16。
【图16】
③将模板二过滤得到的任意一条链接,作为模板三的示例地址。如:, 见图17:
【图17】
④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,将模板二“新建链接抽取”关联模板三,如图18。
【图18】
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。
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19:
【图19】
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主键、文章标题、访问量、发布时间、文本内容5个字段,表单如图20:
【图20】
第八步: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。点击:“确认选区”按钮,确认操作
tit、read_num、pub_date、text字段,如图21:
【图21】
第九步:模板预览
①鼠标右键点击模板三,然后点击“模板预览”,如图22:
【图22】
②预览结果如图23:
【图23】
第九步:采集预览
①点击右上角采集预览,如图24:
【图24】
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25、26:
【图25】
【图26】