采集网易新闻数据

采集网站

【场景描述】采集网易新闻数据。

【源网站介绍】网易是中国领先的互联网技术公司，为用户提供免费邮箱、游戏、搜索引擎服务，开设新闻、娱乐、体育等30多个内容频道，及博客、视频、论坛等互动交流，网聚人的力量。

【使用工具】前嗅ForeSpider数据采集系统，免费下载:

采集网站

【入口网址】

【采集内容】

采集网易新闻网中新闻的标题、发布时间、来源、正文。

【采集效果】如下图所示：

思路分析

配置思路概览：

配置步骤

1. 新建采集任务

选择【采集配置】，点击任务列表右上方【+】号可新建采集任务，将采集入口地址填写在【采集地址】框中，【任务名称】自定义即可，点击下一步。

2.抽取新闻链接

①点击采集预览，观察新闻链接的规律，发现新闻链接中都包含【article】。

②在地址过滤处，设置为包含【article】，保存后，重新测试，发现所有新闻链接被过滤出来了。

3.新建数据抽取

①新建模板02，在其下新建一个数据抽取。

②数据建表，按照下图所示建数据表。（注意字段属性等应严格按照下图进行设置）

③将新建好的数据表，关联到模板中去，如下图所示:

④填写示例数据，采集预览，复制任意一条新闻链接。

⑤将链接粘贴到本模板示例地址中，并双击内置浏览器空白部分，加载本链接。

⑥关联模板

将模板01抽取到的新闻链接，关联模板02。

⑦数据取值

title字段如下所示：

Pubtime字段如下所示：

Author字段取值：

News字段同上。

⑧采集预览

采集预览，能预览出所要采集的新闻字段，则表示配置成功。

采集步骤

模板配置完成，采集预览没有问题后，可以进行数据采集。

①建立数据表单：

选择【数据建表】，点击【表单列表】中该模板的表单，在【关联数据表】中选择【创建】，表名称自定义，这里命名为【wangyi】（注意命名不能用数字和特殊符号），点击【确定】。创建完成，勾选数据表，并点击右上角保存按钮。

②开始采集

选择【数据采集】，勾选任务名称，点击【开始采集】，则正式开始采集。

③导出数据

采集结束后，可以在【数据浏览】中，选择数据表查看采集数据，并可以导出数据。

④导出的文件打开如下图所示：

*本教程仅供教学使用，严禁用于商业用途！

前嗅简介

前嗅大数据，国内领先的研发型大数据专家，多年来致力于为大数据技术的研究与开发，自主研发了一整套从数据采集、分析、处理、管理到应用、营销的大数据产品。前嗅致力于打造国内第一家深度大数据平台！