前嗅ForeSpider爬虫教程：采集列表和正文的数据

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 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 选，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任意一条链接，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，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，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】

④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。

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17。

 

【图17】

第七步:创建数据抽取，创建/添加表单

①新建数据抽取。在子栏目模板，点击上面“新建数据抽取”按钮，得到数据抽取，重命名为房天下列表，如图18。

【图18】

② 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】

③

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、网页链接，两个字段，表单如图20。

【图20】

④  点击子栏目链接抽取，关联房天下列表表单，如图21所示。

【图21】

⑤ 右击模板预览，观察模板是否有数据，如图22。

【图22】

第八步：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23。

 

【图23】

②新建数据抽取。直接点击模板三，点击上面“新建数据抽取”按钮，得到数据抽取，如图24。

【图24】

③

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“链接抽取”关联模板“正文数据模板”，如图25

 

【图25】

第九步：创建/选择表单

①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26。

② 过下拉菜单或表单ID选择已有表单

【图26】

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27

 

【图27】

第十一步：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28

【图28】

② 预览结果如图29

【图29】

第十二步：采集预览

①点击右上角采集预览,如图30。

【图30】

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31、图32。

【图31】

【图32】