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列表模板关联，如图5：

 

第二步：配置登录

① 内置浏览器找到登录按钮，弹出登录框，如图6：

 

 

 

②按Ctrl+鼠标左键单击“用户名输入框”，如图7。

 

③填写用户名、密码，如图8。

 

 

④点击“完成”，cookie配置框中出现数据，按Ctrl+鼠标左键单击“登录按钮”，内置浏览器页面登录成功，配置完成，如图9。

 

 

第三步：通过地址过滤，得到所需链接。

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，观察得出所需要的目标链接都包含“thread-”，右击复制链接，如图10所示。

 

 

②勾选地址过滤，过滤规则选择包含，填入“thread-”，得到列表链接，如图11所示。

 

 

③点击采集预览确认链接是否过滤完全，如图12

 

 

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。

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13

 

 

第五步：创建翻页链接抽取 

方法一：创建任务，勾选链接抽取，直接选择链接列表和普通翻页，如图14。

 

 

方法二：如果创建任务时，只勾选了链接列表，可以点击上一步，回到模板层，补选翻页链接抽取，点击下一步，创建翻页链接。

方法三：直接点击模板二，点击上面“新建链接抽取” 按钮，得到链接抽取，并重名命为翻页链接抽取，如图15。

 

 

第六步：通过地址过滤，得到所需翻页链接。

①右击模板预览找到翻页链接，如图16所示。观察链接得出规律使用“page=”得到目标链接。

 

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,使用共用词“page=”过滤得到目标链接，如图17。

 

 

③点击采集预览确认链接是否过滤完全，如图18

 

 

④关联“翻页”

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19。

情况二：手动点击按钮创建翻页链接抽取，需要手动关联

 

第七步：填写模板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，作为链接列表模板的示例地址。如：https://bbs.360.cn/thread-15646770-1-1.html， 见图20：

 

②新建数据抽取。直接点击链接列表，点击上面“新建数据抽取” 按钮，得到数据抽取，如图21。

 

 

第八步：创建/选择表单

①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，如图22。

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22。

 

②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主键、发布时间、正文内，网页标题以及网页地址五个字段，表单如图23。

 

 

③数据抽取链接处关联表单，如图24。

 

​

 

第九步：字段取值

①取值方法：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。

pub_time、content字段，如图25、图26：

 

 

 

②点击采集预览确数据是否采集完全，如图27：

 

 

第十步：采集预览

① 点击右上角采集预览,如图28：

 

 

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29：

 

​