前嗅ForeSpider教程：采集图片/视频/资源文件的链接地址

采集图片/视频/资源文件的链接地址

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，本次采集所有页面的图片，图片链接是通过点击图片列表链接进入的，所以本次需要抽取列表图片链接，所以点击抽取链接，如图3：

【图3】

第二步：选择链接类型

由于本次需要取到的是图片链接，图片链接不同于其他网页链接，所以需要特殊对待，在链接（网址）属性配置下面的“链接类型”中，选择“图片、视频等资源链接”

【图4】

第三步：通过，得到所需链接。

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列表链接。找到所需要的列表链接，观察得出所需要的目标链接都包含“.jpg”，如图5所示。

【图5】

②勾选地址过滤，过滤规则选择包含，填入“.jpg\e”，得到列表链接，如图6所示。

【图6】

③点击确认链接是否过滤完全，如图7

【图7】

第四步：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8

【图8】

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，如图9

【图9】

第五步：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10

【图10】

③点击采集预览查看是否过滤成功，如图11

【图11】

第六步：

在软件中模板的关联关系，与网页中链接跳转的关系相同。

①关联“链接列表”

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12

【图12】

②关联“翻页”（对应第四步创建翻页链接抽取）

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11。

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13。

【图13】

第七步：填写模板二示例地址并新建数据抽取

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：http://pic146.nipic.com/pic/20171118/6647776_134300461034_4.jpg， 见图14：

【图14】

②创建数据抽取

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，如图15

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15

【图15】

 

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。此处使用的是昵图网的表单，如图16

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16】

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17

【图17】

第九步：

根据所需内容，配置表单字段（即表头），此处配置了包括网页标题、网页地址和图片两个个字段，表单如图18

【图18】

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。

pic_image字段，如图19

【图19】

第十一步：采集预览

点击右上角采集预览,如图20

【图20】