`

前嗅教程:采集列表和正文的数据

阅读更多

第一步:新建任务

①点击左上角“加号”新建任务,如图1:

81f8b3f6-707b-318a-a5af-ed075c410a47.png (259×32)

② 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,本次采集当前页面子栏目下的列表房源的正文数据,子栏目房源列表是通过点击子栏目链接进入的,所以本次需要抽取子栏目链接,所以点击抽取链接,选择子栏目,如图3: 

                                                            【图3】

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,名称为子栏目,此链接已与子栏目模板关联,如图4。

【图4】 

第二步:通过地址过滤,得到所需的子栏目链接。

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二手房子栏目链接。找到所需要的子栏目链接,右击复制链接,如图5所示。

【图5】

② 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“\e”得到二手房子栏目链接,如图6所示。

过滤串规则说明:\e 文件结束(忽略所有请求参数)

【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:填写子栏目模板示例地址并新建链接抽取

①填写示例地址,将模板一过滤得到的任意一条链接,作为子栏目的示例地址,即二手房子栏目列表页链接,如图8所示。

【图8】

②直接点击子栏目模板,点击上面“新建链接抽取”按钮,得到链接抽取,如图9。

 

【图9】

第四步:通过地址过滤,得到所需列表链接。

①右击模板预览找到房源列表链接,如图10所示。观察链接得出规律使用过滤串得到目标链接。

【图10】

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“chushou”过滤得到目标链接,如图11。

【图11】

③点击采集预览确认链接是否过滤完全,如图12

【图12】

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13。

 

【图13】

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,如图14。

【图14】

第六步: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,翻页链接即为名为上一页、下一页两条链接。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15。

【图15】

③ 点击采集预览查看是否过滤成功,如图16

【图16】

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。

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17。 

 

【图17】

第七步:创建数据抽取,创建/添加表单

①新建数据抽取。在子栏目模板,点击上面“新建数据抽取”按钮,得到数据抽取,重命名为房天下列表,如图18。

【图18】

② 点击“采集配置”-“数据建表”,点击采“采集表单”后面的如图19。

【图19】

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、网页链接,两个字段,表单如图20。

【图20】

④  点击子栏目链接抽取,关联房天下列表表单,如图21所示。

【图21】

⑤ 右击模板预览,观察模板是否有数据,如图22。

【图22】

第八步:创建新的模板,并新建数据抽取

①在模板配置,点击“新建模板”按钮,得到新建模板,重命名为正文数据模板,如图23。

 

【图23】

②新建数据抽取。直接点击模板三,点击上面“新建数据抽取”按钮,得到数据抽取,如图24。

【图24】

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“链接抽取”关联模板“正文数据模板”,如图25 

【图25】

第九步: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。此处使用的是之前建过的房天下的表单,如图26。

② 过下拉菜单或表单ID选择已有表单

【图26】

第十步:字段取值

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。

Text字段,如图27

 

【图27】

第十一步: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28

【图28】

② 预览结果如图29

【图29】

第十二步:采集预览

①点击右上角采集预览,如图30。

【图30】

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31、图32。

【图31】

【图32】

 

  • 大小: 2.3 KB
  • 大小: 30.4 KB
  • 大小: 32.9 KB
  • 大小: 9 KB
  • 大小: 91.8 KB
  • 大小: 158.5 KB
  • 大小: 38.9 KB
  • 大小: 68.6 KB
  • 大小: 10.6 KB
  • 大小: 102.6 KB
  • 大小: 89.7 KB
  • 大小: 102.2 KB
  • 大小: 34.5 KB
  • 大小: 10.6 KB
  • 大小: 12.6 KB
  • 大小: 37.8 KB
  • 大小: 44.8 KB
  • 大小: 11.3 KB
  • 大小: 55.8 KB
  • 大小: 36.6 KB
  • 大小: 39.4 KB
  • 大小: 27 KB
  • 大小: 13.5 KB
  • 大小: 15.8 KB
  • 大小: 47.2 KB
  • 大小: 41 KB
  • 大小: 83.8 KB
  • 大小: 25.7 KB
  • 大小: 60.8 KB
  • 大小: 99.7 KB
  • 大小: 99.9 KB
  • 大小: 63 KB
分享到:
评论

相关推荐

    公共数据采集规范.pdf

    * 公共数据采集:指的是公共机构、企事业单位、社会组织等对公共数据的采集、存储、处理和利用。 * 数据采集准备:指的是数据采集前的准备工作,包括数据需求分析、数据资源规划、数据采集工具和设备的准备等。 * ...

    forespider数据采集软件

    **前嗅forespider数据采集软件详解** 在信息化时代,数据的价值不言而喻,而高效的数据采集成为企业和个人获取信息的关键。前嗅forespider数据采集软件正是为解决这一需求而生,它是一款专为非专业编程人员设计的...

    Python爬虫实战:数据采集、处理与分析

    Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据...

    hmjcj采集器,采集数据

    在IT领域,数据采集是至关重要的一个环节,它涉及从各种来源获取信息并将其整理为可分析和处理的数据集。HMJCJ采集器是一款专为此目的设计的工具,主要用于从网络上抓取和提取所需的数据。这种工具通常用于市场研究...

    Python爬虫实战:数据采集、处理与分析.zip

    python爬虫Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据采集、处理与分析Python爬虫实战:数据采集、处理与分析Python爬虫...

    采集数据程序_采集数据_C#数据采集_数据采集c++_

    标题中的"采集数据程序_采集数据_C#数据采集_数据采集c++_"表明我们将讨论使用C#和C++进行数据采集的方法和相关知识点。 C#是一种现代、面向对象的编程语言,由微软公司开发,广泛应用于Windows平台上的应用开发,...

    股票量化系统:采集保存数据;分析数据;可视化,深度学习.zip

    数据采集与保存: 数据源:从证券交易所、金融信息服务商或其他公开渠道获取股票市场数据。 数据存储:将采集到的数据存储在数据库中,如MySQL、MongoDB等,便于后续分析。 数据更新:定期更新数据,确保分析结果的...

    教案:大数据采集之利用网络爬虫获取新冠疫情的实时数据.docx

    教案:大数据采集之利用网络爬虫获取新冠疫情的实时数据.docx教案:大数据采集之利用网络爬虫获取新冠疫情的实时数据.docx教案:大数据采集之利用网络爬虫获取新冠疫情的实时数据.docx教案:大数据采集之利用网络...

    数据采集教程

    本教程将向你展示如何利用虚拟仪器进行数据采集,从而有效地管理和理解存储的数据。 虚拟仪器(Virtual Instruments)是一种软件定义的测量系统,它结合了硬件设备与定制化的软件,提供灵活且强大的数据采集解决...

    8通道精密模拟量数据采集器

    8通道精密模拟量数据采集器主要技术指标: (1)模拟量通道数:8; (2)AD转换分辨率:14位(数据实质是12位,加符号位和过量程指示位,总共14位); (3)模拟量输入范围:0-4.8V; (3)数据通信与显示方式:采集...

    C# 数据采集系统 智能采集 数据分析 整套源码

    在IT行业中,数据采集系统是至关重要的工具,特别是在大数据时代,高效、智能的数据采集成为企业和研究机构的基础工作。本项目“C# 数据采集系统 智能采集 数据分析 整套源码”提供了完整的解决方案,涵盖了从数据...

    Python程序设计:数据采集技术.pptx

    数据采集和爬虫基础 房屋信息抓取;知识点:常用的数据采集技术 ;数据采集技术;数据采集技术;要用大数据对关系数据库上的数据进行分析处理,很多时候都必须要将数据从关系数据库导入到大数据平台上。;应用程序日志一...

    数据采集PPT 关于数据采集的

    3. 实时数据采集:对于需要实时响应的系统,如工业自动化和远程监控,实时数据采集技术至关重要。这需要高效的数据传输协议和优化的算法来保证数据的及时处理。 四、接口技术 1. 并行接口:如ISA、PCI、PCIe等,...

    LabView 数据采集_weather465_labview_数据采集labview_labview数据采集_数据采集_

    在本案例中,“LabView 数据采集_weather465_labview_数据采集labview_labview数据采集_数据采集_”的标题暗示我们关注的焦点是使用LabView进行数据采集,特别是与气象相关的数据。 数据采集是LabView的一个核心...

    labview数据采集之触发采集.docx

    以下是一段简化的LabVIEW代码示例,用于演示如何实现特定信号的触发采集: - **初始化**:首先初始化数据采集设备及相关参数,如采样率、通道设置等。 - **设置寄存器**:使用寄存器构造一个矩阵来存储数据,并设置...

    c#上位机数据采集源代码

    【标题】"C#上位机数据采集源代码"是一个基于C#编程语言开发的数据采集系统,主要用于收集、处理和展示来自多个串行接口的数据。这个系统设计为10路串口同时工作,能高效地从不同的硬件设备接收数据,如传感器、控制...

    新闻列表数据采集器 下载

    新闻列表数据采集器是一种专门用于抓取互联网上新闻列表页面数据的工具,它能够自动化地收集、解析并存储网页上的新闻标题、摘要、作者、发布时间等关键信息。在数据分析、舆情监测、研究项目或者网站内容更新等场景...

Global site tag (gtag.js) - Google Analytics