前嗅教程:通过子栏目进入链接列表采集正文数据
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,本次采集当前页面子栏目下的列表房源的正文数据,子栏目房源列表是通过点击子栏目链接进入的,所以本次需要抽取子栏目链接,所以点击抽取链接,选择子栏目,如图3:
【图3】
④完成后模板抽取配置列表有两个模板,默认模板和子栏目。默认模板下自动生成一个链接抽取,名称为子栏目,此链接已与子栏目模板关联,如图4。
【图4】
第二步:通过地址过滤,得到所需的子栏目链接。
①点击采集预览,在采集预览中有于目标链接相似的其他链接,可通过地址过滤得到二手房子栏目链接。找到所需要的子栏目链接,右击复制链接,如图5所示。
【图5】
②勾选地址过滤,过滤规则选择包含,将复制的目标地址粘入,使用过滤串“\E”得到二手房子栏目链接,如图6所示。
过滤串规则说明:\E 文件结束(忽略所有请求参数)
【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:填写子栏目模板示例地址并新建链接抽取
①填写示例地址,将模板一过滤得到的链接,作为子栏目的示例地址,即二手房子栏目列表页链接,如图8所示。
【图8】
②直接点击子栏目模板,点击上面“新建链接抽取”按钮,得到链接抽取,如图9。
【图9】
第四步:通过地址过滤,得到所需列表链接。
①右击模板预览找到房源列表链接,如图10所示。观察链接得出规律使用过滤串得到目标链接。
【图10】
②勾选地址过滤,过滤规则选择包含,将复制的目标地址粘入,使用共用词“chushou”过滤得到目标链接,如图11。
【图11】
③点击采集预览确认链接是否过滤完全,如图12
【图12】
第五步:创建翻页链接抽取
方法一:创建任务,勾选链接抽取,直接选择链接列表和普通翻页,如图13。
【图13】
方法二:如果创建任务时,只勾选了链接列表,可以点击上一步,回到模板层,补选翻页链接抽取,点击下一步,创建翻页链接。
方法三:直接点击模板二,点击上面“新建链接抽取”按钮,得到链接抽取,并重名命为翻页,如图14。
【图14】
第六步: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,翻页链接即为名为上一页、下一页两条链接。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15。
【图15】
③点击采集预览查看是否过滤成功,如图16.
【图16】
⑤关联“翻页”
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17。
情况二:手动点击按钮创建翻页链接抽取,需要手动关联。
【图17】
第七步: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18。
【图18】
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19。
【图19】
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,将“新建链接抽取”关联模板“正文数据模板”,如图20
【图20】
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。此处使用的是之前建过的房天下的表单,如图21。
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
【图21】
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22。
【图22】
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、标题、网页链接,以及文本内容四个字段,表单如图23。
【图23】
第十步: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。
Text字段,如图24:
【图24】
第十一步:模板预览
① 标右键点击“数据抽取”,然后点击“模板预览”,如图25
【图25】
②预览结果如图26:
【图26】
第十二步:采集预览
① 击右上角采集预览,如图27。
【图27】
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28、图29。
【图28】
【图29】
前嗅教程:通过子栏目进入链接列表采集正文数据相关推荐
- 前嗅教程:如何获取精准客源,提高销量
经常有人问嗅嗅,我是XX行业的,大数据能帮我做什么?可以给我带来客源吗?可以提高我的销量吗?可以增加我的利润吗?今天嗅嗅就以生鲜供货为例,为大家讲一讲外卖平台那些事~ 生鲜供货的客源除线下餐馆之外,随 ...
- 计算机读取数据的接囗教程,八爪鱼采集怎样获取数据API链接 八爪鱼采集获取数据API链接的方法...
今天给大家带来八爪鱼采集怎样获取数据API链接,八爪鱼采集获取数据API链接的方法,让您轻松解决问题.八爪鱼采集如何获取数据API链接 具体方法如下:1 java.cs.php示例代码点击下载 这个教 ...
- cmstop模板制作教程-全局变量_栏目页、列表页变量
全局变量 变量代码 说明 {$CONFIG[charset]} 网站编码 {$SYSTEM[sitename]} 网站名称 {$SYSTEM[seotitle]} 标题附加字,用于网站搜索引擎优化 { ...
- [carla入门教程]-3 在carla中遥控汽车并采集传感器数据(一个简单Demo,附代码)
本专栏教程将记录从安装carla到调用carla的pythonAPI进行车辆操控并采集数据的全流程,带领大家从安装carla开始,到最终能够熟练使用carla仿真环境进行传感器数据采集和车辆控制. 第 ...
- java 58同城 抓取_前嗅ForeSpider教程:采集58同城
以58同城·便当为例,通过社保医疗链接到文章列表,由列表进入文章页采集正文数据: 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 ...
- 前嗅ForeSpider教程:采集美团网
2019独角兽企业重金招聘Python工程师标准>>> 以美团为例,通过关键词搜索后的结果列表,由列表进入正文页采集正文数据: 第一步:新建任务 ①点击左上角"加号&quo ...
- channelarlist_易优CMS:channelartlist 获取当前频道的下级栏目的内容列表
channelartlist 获取当前频道的下级栏目的内容列表 [基础用法] 名称:channelartlist 功能:获取当前频道的下级栏目的内容列表标签 语法: {eyou:channelartl ...
- 前嗅ForeSpider教程:采集图片/视频/资源文件的链接地址
昨天为大家介绍了如何采集图片/视频/资源文件后,有小伙伴问我如何采集他们的链接地址,今天小编就为大家演示如何采集图片/视频/资源文件的链接地址,操作如下: 第一步:新建任务 ①点击左上角"加 ...
- 前嗅ForeSpider教程:采集图片/视频/资源文件的链接地址 1
2019独角兽企业重金招聘Python工程师标准>>> 以昵图网的美食海报为例,采集所有图片图片: 第一步:新建任务 ①点击左上角"加号"新建任务,如图1: [图 ...
最新文章
- tf.variable_scope与tf.tf.get_variable
- 分享一个帮助你在线测试响应式设计的web工具 - Screenqueri.es
- Prototype模式
- SOTA太难了?试试Dropout
- PHP九宫格翻牌抽奖,PHP 九宫格抽奖代码
- 【ROS】机器人编程实践
- JavaScript DOM高级程序设计 5动态修改样式和层叠样式表1(源代码)--我要坚持到底!...
- Android常用代码集
- 锐捷交换机绑定IP地址
- 爬取m3u8格式文件并下载ts文件转换为MP4文件
- cdr 2021 卸载
- 小学计算机教室使用汇报材料,勃李小学“教育信息化示范学校”汇报材料
- 基因组测序分析linux,基因组数据的重测序分析
- 为什么Sql Server的查询有时候第一次执行很慢,第二次,第三次执行就变快了
- Windows Shell 编程 第七章
- Activiti(二)简单请假流程实现
- riscv-amo原子指令
- win7 virtualbox使用vagrant下载centos/7
- 《疯狂Java讲义(第4版)》-----第4章【控制台五子棋】
- python百度云盘搜索引擎_2016百度云网盘搜索引擎源码,附带Python爬虫+PHP网站+Xunsearch搜索引擎...