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: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。此处使用的是的旧书网的表单,如图4
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 如图5

第三步:配置表单
根据所需内容,配置表单字段(即表头),此处配置了包括标题、作者、价格三个字段,表单如图6

第四步:字段取值
取值方法:由于此处活取的是列表页的数据,所以可以应用“识别列表”功能,直接取到列表数据,操作方法如下:
①点击“数据抽取-旧书网”,按住ctrl+鼠标左键点击任意一部分内容,如图7,选中标题

②按住Shift+鼠标左键继续点击,直到点击到选中整个第一条数据,如图8

③在软件的右下角可以看到“识别列表”按钮 ,此时点击“识别列表”,如图9,此时列表中的内容都已经选中。


③对每个字段进行取值,方法依然是:按住Ctrl+鼠标左键,进行区域选择,按住Shift+鼠标左键,扩大选择区域。
如:price-cover字段
首先在左侧点到price-cover字段上,在浏览器中对该字段进行取值.
<1>按住ctrl+鼠标左键,点击“新书”
<2>按住shift+鼠标左键继续点击,直到选中图10中的全部内容
<3>点击右下角“确认选区”

第五步:模板预览
①标右键点击“数据抽取”,然后点击“模板预览”,如图11

②预览结果如图12


第六步:应用定位过滤,过滤翻页链接
①标点击“链接抽取-普通翻页”,内置浏览器拉到最底端找到翻页,如图13


②按住Ctrl+鼠标左键点击第一页,按住shift+鼠标左键,扩大选区,直到选中整行,如图14


③点击“确认选区”
④点击“采集预览”查看链接过滤是否完全,此处由于只有一个模板,所以链接和数据在同一个预览框里,直接点击预览的结果如图15


⑤点击“链接信息数目”,查看对应的链接,如图16,由于第9页之后直接就是第15页,如果怕中间页数取不到,可以双击第9页试试看


第七步:采集预览
双击任意一页链接,点击“旧书网”均可得到对应的列表数据如图17

原文地址:http://blog.51cto.com/13915865/2340126

时间: 2024-11-06 08:36:22

前嗅ForeSpider教程:采集表格/列表页中的数据(翻页)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

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: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

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,