【从零开始学爬虫】采集食品行业最新报价数据

l 采集网站

【场景描述】采集食品行业{BANNED}最佳新报价数据。

【源网站介绍】中国报告大厅网休闲食品行业数据频道提供休闲食品行业数据信息，在此有大量休闲食品行业数据信息可供选择，是一个可以帮助休闲食品行业了解数据的平台。

【使用工具】前嗅ForeSpider数据采集系统，免费下载:

l 采集网站

【入口网址】

【采集内容】

采集食品行业的标题、内容，发布时间{BANNED}{BANNED}最佳佳新报价基本数据。

【采集效果】如下图所示：

l 思路分析

配置思路概览：

l 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。

选择【抽取链接】的所有链接，勾选【列表链接】和【普通翻页】，然后点击【完成】。

2.获取标题链接

采用地址过滤的方法来抽取表一链接，具体如下所示：

①观察规律

点击采集预览，先观察标题链接规律，找到规律，很明显标题链接中都包含：
规律的数字.html

②设置地址过滤

过滤含“
\d.html”的链接，\d表示一串数字,这样就把列表链接过滤出来了。

3.抽取翻页链接

①设置连接过滤

使用链接过滤的方法来获取翻页链接，先采集预览，打开列表链接预览结果，找到翻页链接并观察规律，发现其中都包括：“
页数.html”

②设置地址过滤

过滤包含“
\d.html”的链接，\d表示一串数字，这样就把翻页链接过滤出来了。

③关联模板

点击【列表链接】抽取，关联模板02；

点击【普通翻页】抽取，关联模板01。

4.抽取数据

①新建抽取模板

在其下新建一个数据抽取，具体操作如下所示：

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数据表关联模板

将新建好的数据表，关联到模板中去，如下图所示:

④填写示例地址

采集预览，复制任意一条列表链接。

⑤加载链接

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识别标题

选择数据抽取模板，然后如下图所示，识别标题。

⑦识别发布时间

选择数据抽取模板，然后如下图所示，识别发布时间。

⑧识别内容

选择数据抽取模板，然后如下图所示，识别内容。

⑨采集预览

采集预览如下图所示，说明配置成功，可以开始采集。如果有哪个字段或者数据没有出来，再次检查之前配置，正确配置模板。

l 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】，关联数据表名称自定义，这里命名为【Chinareport】（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！