1.安装集搜客软件
2.确定目标网页地址，确定爬取内容类型：只涉及本网页内容列表还是需要层级爬取？层级爬取就是需要通过本页找到一个新的网址爬取新页面的内容。
3.工具的基本思路：同一个主题有多个规则，同一个规则可有多个整理箱，同一个整理箱里面有多个属性值（多列）
步骤：1.输入目标地址2.定义主题不重复和规则名3.制定改规则下的整理箱，将整理箱中的属性值和网页中的内容一一对应。4.定义规则里面的线索或者动作5.保存规则6打开打数台，输入想打的数据条数
问题1：怎么把相同的结构全部爬取下来，比如100条评论？
样例复制和定位映射只能选择一种。原理不同：样例复制是选择兄弟节点（一定是兄弟节点，在文本语言中紧挨着的，层级结构在同一层次上），告诉集搜客，都在什么跳到下一个采集同样的内容。定位映射是通过HTMl的class或者样式id等标记，将内容和样式标记对应起来。告诉集搜客遇到得很么标记的时候，采集的内容对应什么表桥。
问题2：怎么设置层级爬取？
第一层级中找到@href标记为线索映射，在爬虫路径中写下第二级的主题名。保存第一级主题之后，然后建立第二级主题的具体规则。
问题4：怎么翻页？有翻页标记或者无翻页标记。翻页更多问题：http://www.gooseeker.com/doc/thread-698-1-1.html
翻页分为
1：通过文字下一页或者数字，点击下一页爬取相同的内容，比如下一页的商品列表。重点为：创建记号线索，将记号线索与相应内容对应（此部分内容本次没有实验，后期用的时候再改）
线索映射和线索区块的定位映射
2.通过文字或者标记点击下一页，爬取另一种网页结构：类似于层级爬取但是下一级的地址需要通过页面标记来找到。
3.通过鼠标滑动选择连续动作也称滚屏或者瀑布流：
3.1在连续动作工作台新建一个滚屏动作，因为滚屏后的网页结构没有变化，仍然可以用当前规则采集，所以这里的目标主题名就填写当前规则本身的主题名。3.2滚屏动作的参数可以根据自己的需要调试。滚屏动作的高级设置一般保持默认就行,滚屏参数说明：每次滚屏次数:每次执行滚屏动作，浏览器往下翻多少屏；总共滚屏数:执行滚屏操作的次数，达到总共滚屏数就会停止滚屏，-1表示无限制；
如果总共滚屏数设置成-1，就会一直滚屏停不下来，这时就必须在DS打数机上打开重复内容，这样当爬虫发现抓到的都是重复内容，就会停止滚屏动作。设置方法：点击DS打数机的高级菜单->终点标志->勾上重复内容。
4.模拟点击动作：http://www.gooseeker.com/doc/article-150-1.html
网友评论