前嗅（www.forenose.com）是国内领先的深度大数据专家，我们拥有从数据采集、分析、处理、管理、应用到营销，完 全独立知识产权的一整套大数据产品。前嗅致力于以深厚的技术功底和海量的数据资源打造国内第一家深度大数据平台！
分类： 大数据
2020-01-11 13:22:16
案例：采集【东方财富网】首页新闻列表中的新闻
一. 网站内容
1. 网站截图说明
本教程以采集“东方财富网”首页新闻列表中的新闻（正文数据）为例，如下图。
2. 采集结果截图
二. 操作方法
1. 新建任务
按图片数字所示，1-2-3完成新建任务的步骤
Step1：点击“采集配置”
Step2：点击【任务列表】中的“+”，新建采集任务
Step3：在如图的红框中输入采集地址和任务名称（可自定义），完成后点击“下一步”。
需要采集正文数据，所以此处需要勾选【链接列表】，如图，最后点击“完成”即可。
2. 链接抽取配置
Step1：内置浏览器显示搜索页面后，按照提示：ctrl+左键单击文章标题。
Step2：点击【智能过滤】按钮，这时右侧的地址过滤会显示出相应的代码。
Step3：最后点击右上角的【采集预览】查看是有内容，如下图：
3. 数据抽取
在【新建任务】中输入的网址只是我们想采集的预览页面，具体采集的正文内容（数据）需要进入详情页面。
按照图示数据操作：
Step1：双击左侧红框位置，可自定义名称。
Step2：勾选【抽取数据】将对应的层级链接复制粘贴到【示例地址】中，最后点击“下一步”即可完成。
4. 配置表单
如图示点击【数据建表】：
Step1：点击“采集配置”
Step2：选择“数据建表”
Step2：点击“+”，新建表单并自定义名称，这里取“东方财富”
根据所需内容，配置表单字段，此处配置了包括主键、标题、作者、发布时间、文章内容等等。表单建立如下：
主键务必第一个创建，其含义为该表单所属ID
字段名称：hkey
采集内容 选择“主键”
数据类型 选择“长数字”
字段属性 选择 “索引字段”、“健值唯一”、“主键字段”、“全文索引”
最后点击“确定”即可。
字段名称：tittle
采集内容 选择“选区内可见文本”
数据类型 选择“字符串”
数据长度 选择 范围10-20即可，最后点击确定。（备注可随意）
字段名称：author
采集内容 选择“选区内可见文本”
数据类型 选择“字符串”
数据长度 选择 范围10-20即可，最后点击确定。（备注可随意）
字段名称：get_time（注意：一定是下划线）
采集内容 选择“选区内可见文本”
数据类型 选择“字符串”
数据长度 选择 范围10-20即可，最后点击确定。（备注可随意）
字段名称：content
采集内容 选择“选区内可见文本”
数据类型 选择“字符串”
注意，由于正文内容很多无法用字符串来估量，故这里选择“高级类型”-“长文本<64k”
表单配置字段自定义即可，如有多需求 可按上述同样操作即可。最终呈现如下图：
5. 关联数据表
表单配置完毕后，需要进行数据关联，操作如下：
选择所需的表单，点击【创建】按钮。
创建表名称可随意填写，需注意 仅可使用“全英文”，最后点击 确定 即可完成。
6. 模板预览
通过预览，可以了解配置是否能够正确地采集到所需正文数据。鼠标右键后选择【链接列表】，可以单独预览某个链接的数据。
7. 确认选区
操作如下图所示：
Step1：在左侧“东方财富”下属字段中点击“tittle”
Step2：找到标题（图中数字2所示）并ctrl+左键点击选中该选区
Step3：最后点击“确认选区”即可
Step1：在左侧“东方财富”下属字段中点击“author”
Step2：找到文章作者（图中数字2所示）并ctrl+左键点击选中该选区
Step3：最后点击“确认选区”即可
Step1：在左侧“东方财富”下属字段中点击“get_time”
Step2：找到文章作者（图中数字2所示）并ctrl+左键点击选中该选区
Step3：最后点击“确认选区”即可
Step1：在左侧“东方财富”下属字段中点击“content”
Step2：找到文章作者（图中数字2所示）并shift+左键点击选中该选区
Step3：最后点击“确认选区”即可
注意：主键无需确认选区，操作过程中要随时点击“保存”，养成良好习惯。
三. 采集数据
1. 运行设置
运行设置处可以设置采集速度、采集策略、任务装载等。
2. 选择采集任务
操作如下图数字所示：
Step1：选择【数据采集】
Step2：在【任务列表】中勾选需要采集的任务，可勾选多个任务，同时采集。
Step3：点击“连接数据库”选择“打开”，此步骤不可避免，因为采集需要和数据库进行关联。
注意：采集开始前，务必保证“装载记录”是空的。可点击图示进行删除：
3. 开始采集
点击【开始采集】，系统开始进行采集。剩余任务数为0时，系统自动停止采集。用户也可以自己暂停任务或停止任务（停止任务会释放任务，再次启动时重新装载任务）。
4.数据浏览
采集一段时间以后，点击【数据浏览】，在数据列表中选中对应的数据表，即可浏览采集到的数据，点击【刷新】按钮可以同步显示数据。
5.导出数据
点击【导出】按钮，选择导出文件格式后保存。
