前嗅ForeSpider脚本教程-链接抽取：应用场景及链接在源码

今天，小编给大家带来的教程为：前嗅ForeSpider脚本教程中，链接抽取的应用场景，以及链接在源码的html标签里写脚本的实战教程。具体内容如下：

一.应用场景

当需要手动添加链接时，可添加链接脚本。

在“链接脚本处”，可能用到的类为extractor 、result、url、grabDoc、dom。

二.链接在源码的html标签里

链接地址可在源码中查找到。在目标网页右键，选择“查看源代码”，键盘点击“ctrl+F”，查找目标链接所在位置。目标链接存在于标签中。

1.链接需要循环

场景：比如翻页等规律相同的一系列目标链接，存在于一个大的ul标签或者div标签里。

示例：获取CSDN首页文章列表链接。

在该网页右键选择“查看源文件”，查找第一条链接的链接地址，定位目标数据位置。

将该源码粘贴到notepad++中，选择语言为html，搜索目标数据的所在位置“ul”标签的id值。

由图可知，列表页文章链接位于每个li中的a标签的href中。

脚本实例：暂无。

2.链接不循环

场景：获取更多链接，链接不像翻页那页具有自增性的规律。

示例：获取该网站更多的招标公告信息。

获取更多的招标公告信息，需要点击“更多”按钮。在该网页右键选择“查看源文件”，定位链接所在位置。

因<a>标签名，和父级<div>的class属性都在多处存在，因此需要再向上查找节点，直到id为tab2-list的<div>。

脚本实例：

vardiv = DOM.FindId("tab2-list");    //先查找

divvara = DOM.FindClass("more","a",div );     //从上一行找到的div开始查找，class属性为more的a标签。

url u;

u.urlname ="http://www.bgpc.gov.cn"+a.href;   //拼接完整的链接地址

u.title ="更多";    //填写 

titleu.entryId = CHANN.id;

u.tmplId =2;

RESULT.AddLink(u);