前嗅ForeSpider教程:通过搜索框检索关键词采集数据

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,由于此次需要配置关键词,所以在新建任务时,需要勾选一下“关键词采集”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,本次采集需要采集列表页中正文的所有文本信息,所以此处需要勾选“抽取链接”-“普通翻页”,如图3:

【图3】
第二步:配置关键词
①由于在创建任务时,选择了关键词采集,所以此时,显示在任务层,如图4


【图4】
②按照右侧关键词配置步骤的提示(每个步骤按钮可以点击,如无此操作步骤,可直接跳过),开始配置关键词,如图5
<1>点击关键词,按照操作提示,按住ctrl+鼠标左键点击搜索框
<2>在完成步骤时,按住ctrl+鼠标左键点击搜索按钮


【图5】
③关键词列表处,填写关键词,并点击保存,如图6

【图6】
第三步:通过标题过滤,过滤翻页链接
①点击采集预览,我们可以发现,翻页链接即为名为:“下一页”的链接。对于翻页,只需要取到标题名为“下一页”的链接即可。
②这里应用标题过滤,过滤规则选择“包含”,过滤串填写“下一页”即可。如图7

【图7】
③点击采集预览查看是否过滤成功,如图8

【图8】

第四步:关联模板
在软件中模板的关联关系,与网页中链接跳转的关系相同。
①关联“链接列表”
根据网页跳转规律,将“链接列表”关联模板二“链接列表:02”,此处由于我们开始就选择了创建列表链接,所以软件自动关联好了模板二。如果配置的时候发现关联有问题,可以自己进行更改,如图9

【图9】
②关联“翻页”(对应第四步创建翻页链接抽取)
情况一:创建模板或通过向导,创建的翻页链接抽取,会默认关联模板一,即当前页模板,如图11。
情况二:手动点击按钮创建翻页链接抽取,需要手动关联,如图10。

【图10】
第五步:填写模板二示例地址并新建数据抽取
①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:http://www.baidu.com/link?url=RU0aZHeU-o3LTp3pqyPDy6m9xoeE0vROyA-eypRcuOAGvNzA9E8VQuEI7aIxi1iKo4LBmC0xfOin7-ZclO50P9MfO4oL8uya5BmiX7V85Iz2lnXzs12I2tfb-g4fG9s1, 见图11:

【图11】
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,如图12
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12

【图12】

第六步: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。此处使用的是之前建过的凤凰网的表单,如图13
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

【图13】
方法三:点击“采集配置”-“数据建表”,点击采“采集表单”后面的如图14

【图14】
第七步:配置表单
根据所需内容,配置表单字段(即表头),此处配置了包括网页标题、网页地址、全部文本三个字段,表单如图15


【图15】
第八步:字段取值
取值方法:由于网页标题和网页地址是可以自动取值的字段,所以我们只需要取到网页文本即可。
text字段,如图16

【图16】
第九步: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17

【图17】
②预览结果如图18

【图18】
第十步:采集预览
①点击右上角采集预览,如图19

【图19】
②点击任意一条链接,看看是否可以得到和网页对应的规整的数据,如图20

【图20】

原文地址:http://blog.51cto.com/13915865/2347003

时间: 2024-10-30 16:24:57

前嗅ForeSpider教程:通过搜索框检索关键词采集数据的相关文章

前嗅ForeSpider教程:采集表格/列表页中的数据(不翻页)

第一步:新建任务 ① 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,本次采集需要采集当前页面列表中的所有内容,所以只需抽取列表数据即可,点击"抽取数据",如图3: [图3] 第二步: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.此处使用的是的前嗅的表单,如图4 方法一

前嗅ForeSpider教程:采集网页链接/源码/时间/重定向地址等

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弹窗里填写采集地址,任务名称,如图2:[图2]③ 点击下一步,勾选抽取链接,选择网页内所有链接,如图3:[图3]④完成后模板抽取配置列表有一个模板,默认模板.默认模板下自动生成一个链接抽取,名称为网页全部链接,如4:[图4]第二步:创建新的模板,并新建数据抽取①模板配置,点击"新建模板"按钮,得到新建模板,如图5.[图5]②新建数据抽取.直接点击模板二,点击上面"新建数据抽取"按钮,

前嗅ForeSpider教程:采集表格/列表页中的数据(翻页)

以孔夫子旧书网的最近出版板块为例(http://www.kongfz.com/1004/)为例,采集列表页的所有数据:第一步:新建任务①击左上角"加号"新建任务,如图1: ②在弹窗里填写采集地址,任务名称如图2:③点击下一步,选择进行数据抽取还是链接抽取,本次采集需要采集当前板块的列表页所有内容,所以只需要在同一个模板中进行翻页链接抽取以及数据抽取即可.此处需要勾选"抽取链接"-"普通翻页"以及"抽取数据",如图3: 第二步:

前嗅ForeSpider教程:采集360问答

今天,小编来教大家如何采集论坛自媒体类网站的数据,以采集360问答为例,为大家进行演示操作,该操作同样适用于其他类似网站:第一步:新建任务 ①点击左上角"加号"新建任务,如图1:②弹窗里填写采集地址,任务名称,开启手动登录配置,如图2:若未在此处开启登录配置,可在模板抽取配置中点击相应的模板,开启登录配置,如图3.③点击下一步,选择进行数据抽取还是链接抽取,本次采集列表下的正文数据,所以本次需要抽取内容选择链接列表,所以点击抽取链接,选择链接列表,如图4:④完成后模板抽取配置列表有两个

前嗅ForeSpider教程:采集需要登陆的网页内容

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弹窗里填写采集地址,任务名称,开启手动登录配置,如图2:[图2]若未在此处开启登录配置,可在模板抽取配置中点击相应的模板,开启登录配置,如图3.[图3]③点击下一步,选择进行数据抽取还是链接抽取,本次采集列表下的正文数据,所以本次需要抽取内容选择链接列表,所以点击抽取链接,选择链接列表,如图4: [图4]④完成后模板抽取配置列表有两个模板,默认模板和子栏目.默认模板下自动生成一个链接抽取,名称为链接列表,此链接抽取已与链接

前嗅ForeSpider教程:采集中国证券网

前几天有人问如何采集中国证券网,小编整理了一下,在此为大家做一下演示,同样适用于其他金融经济型的网站: ? 第一步:新建任务 ①点击左上角"加号"新建任务,如图1:②在弹窗里填写采集地址,任务名称,如图2:③点击下一步,选择进行数据抽取还是链接抽取,本次采集要闻列表页新闻的正文数据,正文数据是通过点击列表链接进入的,所以本次需要抽取列表链接,所以点击抽取链接,如图3:第二步:通过地址过滤,得到所需的分区链接. 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分

前嗅ForeSpider教程:采集图片/视频/资源文件的链接地址

昨天为大家介绍了如何采集图片/视频/资源文件后,有小伙伴问我如何采集他们的链接地址,今天小编就为大家演示如何采集图片/视频/资源文件的链接地址,操作如下:第一步:新建任务 ①点击左上角"加号"新建任务,如图1: ②在弹窗里填写采集地址,任务名称如图2: ③点击下一步,选择进行数据抽取还是链接抽取,本次采集所有页面的图片,图片链接是通过点击图片列表链接进入的,所以本次需要抽取列表图片链接,所以点击抽取链接,如图3: 第二步:选择链接类型 由于本次需要取到的是图片链接,图片链接不同于其他网

前嗅ForeSpider教程:采集新浪新闻

最近后台有很多童鞋问怎么采集新闻,今天小编以采集新浪新闻为例,来为大家进行演示,同样适用于其他新闻网站的采集,具体操作如下: ? 第一步:新建任务 ①点击左上角"加号"新建任务,如图1:?②在弹窗里填写采集地址,任务名称,如图2:③点击下一步,选择进行数据抽取还是链接抽取,本次采集当前列表页新闻的正文数据,正文数据是通过点击列表链接进入的,所以本次需要抽取列表链接,所以点击抽取链接,如图3:第二步:通过定位过滤.地址过滤,得到所需链接 ①按住Ctrl+鼠标左键,进行区域选择,按住Shi

前嗅ForeSpider教程:采集CSDN

以CSDN(https://blog.csdn.net/nav/career)为例,采集当前列表页博文的正文数据: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,本次采集当前列表页博文的正文数据,正文数据是通过点击列表链接进入的,所以本次需要抽取列表链接,所以点击抽取链接,如图3:[图3]第二步:通过定位过滤,得到所需链接①按住Ctrl+鼠标左键,进行区域选择,按住Shift+鼠