以美团为例,通过关键词搜索后的结果列表,由列表进入正文页采集正文数据:
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,首先当前检索结果列表链接,所以点击抽取链接,选择链接抽取,如图3:
【图3】④完成后模板抽取配置列表有两个个模板,默认模板和新建模板,模板一的默认链接抽取已与模板二关联,如图4:
【图4】第二步:通过地址过滤,得到所需的链接。
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,右击复制链接,“https://www.meituan.com/meishi/+数字+/”如图5所示。
【图5】②勾选地址过滤,过滤规则选择包含,将复制的目标地址粘入,使用过滤串“\d”得到列表链接,如图6所示。
过滤串规则说明:\d表示一串(个)数字
【图6】③点击采集预览确认链接是否过滤完全,如图7
【图7】第三步:填写模板二示例地址并新建数据抽取
①将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:https://www.meituan.com/meishi/137562207/, 见图8:
【图8】②新建数据抽取
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。
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9:
【图9】第四步: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。此处使用的方法三。
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。
方法三:点击“采集配置”-“数据建表”,点击采“采集表单”后面的添加按钮,如图10:
【图10】第五步:配置表单
根据所需内容,配置表单字段(即表头),此处配置了网页主键、标题、联系方式、联系地址共4个字段,表单如图11:
【图11】第六步:字段取值
① 先关联表单,如图12所示。
【图12】② 字段取值是在数据模板位置写脚本,来给对应字段赋值,如图13所示。
【图13】代码如下:
var str=DOM.GetSource().ToStr().Middle("\"detailInfo\":",",\"photos\""); //获取网页源码包含数据部分内容
jScript js;
var obj=js.RunJson(str); //生成json对象
record re;
re.id=MD5(URL.urlname);//给主键字段生成唯一标识
re.tit=obj.name; //标题名称
re.addr=obj.address; //店铺地址
re.tel=obj.phone; //店铺电话
RESULT.AddRec(re,TMPL.fstdoc.schemaid); //将所有的字段放入结果集
第七步:模板预览
①鼠标右键点击“数据抽取”,然后点击“模板预览”,如图14所示。
【图14】②预览结果,如图15所示。
【图15】第八步:采集预览
①点击右上角采集预览,如图16所示。
【图16】②双击任意一条链接,看看是否可以得到和网页对应的规整的数据,如图17所示、18所示。
【图17】 【图18】
网友评论