您当前的位置:首页 >> 周公解梦
前嗅ForeSpider教程:采集58同城
发布时间:2019-09-15
 

     今天小编为大家带来的教程是,采集58同城数据,同样适用于其他类似网站,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,首先采集58同城·便当分类下的分类列表的链接,所以点击抽取链接,如图3:

④完成后模板抽取配置列表有一个模板,默认模板,如图4:


第二步:创建链接抽取,通过定位过滤得到所需链接

①直接点击“默认模板:01”,点击上面“新建链接抽取”按钮,得到链接抽取,如图5。


②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,点击“确认选区”按钮,如图6:


③点击采集预览确认链接是否过滤完全,如图7:



第三步:创建新模板,并添加链接抽取

①在模板配置,点击“新建模板”按钮,得到新建模板,如图8。

②将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:https://biandang.58.com/cn/shebaoyiliao/, 见图9:


③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,得到数据抽取,如图10。

④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,将模板一的“新建链接抽取”关联模板二,如图11


第四步:通过定位过滤得到文章列表所需链接

①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,点击“确认选区”按钮,如图12:

②鼠标右键点击模板二,模板预览,如图13:


③确认链接是否过滤完全,如图14:


第五步: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15。

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,得到数据抽取,如图16。


③将模板二过滤得到的任意一条链接,作为模板三的示例地址。如:https://biandang.58.com/cn/chujingrujing/34968880434256x.shtml, 见图17:


④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,将模板二“新建链接抽取”关联模板三,如图18。



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。此处使用的是方法三。

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19:



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主键、文章标题、访问量、发布时间、文本内容5个字段,表单如图20:



第八步: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。点击:“确认选区”按钮,确认操作

tit、read_num、pub_date、text字段,如图21:



第九步:模板预览

①鼠标右键点击模板三,然后点击“模板预览”,如图22:

②预览结果如图23:



第十步:采集预览

①点击右上角采集预览,如图24:

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25、26:





前嗅大数据——深度大数据专家

前嗅(www.forenose.com)是首个深度大数据专家。

提供数据采集-分析-处理-管理-营销-应用,

自主知识产权的全套大数据产品