前嗅FireSpider教程:采集表格/列表页中的数据(翻页)
发布日期:2021-08-26 09:44:27 浏览次数:6 分类:技术文章

本文共 1259 字,大约阅读时间需要 4 分钟。

hot3.png

以孔夫子旧书网的最近出版板块为例,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:

【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:

【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

【图4】

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

【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

【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

【图7】

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

【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。

【图9】

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”

【图10】

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

【图11】

②预览结果如图12

【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

【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

【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

【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

【图16】

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

【图17】

转载于:https://my.oschina.net/forespider/blog/2999785

转载地址:https://blog.csdn.net/weixin_33881753/article/details/92448726 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:linux参考文章
下一篇:Flask principal 权限管理组件

发表评论

最新留言

做的很好,不错不错
[***.243.131.199]2024年03月17日 11时18分47秒

关于作者

    喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!

推荐文章

java operators_A guide to Java Operators 2019-04-21
java socket调试_JAVA实现SOCKET多客户端通信的案例 2019-04-21
java 使用或覆盖了已过时的api_JAVA使用或覆盖了已过时的 API 2019-04-21
java 图片旋转保存_Java 对图片90度旋转 2019-04-21
用java实现文学研究助手_数据结构文学研究助手 C语言代码实现(带源码+解析)... 2019-04-21
java gc的几种方式_GC 的三种基本实现方式 2019-04-21
wget linux java 32_通过wget在Linux上下载Java JDK会显示在许可证页面上 2019-04-21
babylonjs 设置面板位置_babylonjs 空间坐标转为屏幕坐标 2019-04-21
oracle里面如何查询sqlid,CSS_oracle中如何查看sql, --查询表状态:  select uo.O - phpStudy... 2019-04-21
oracle 查询中用case,oracle case when 在查询时候的用法。 2019-04-21
oracle正在运行的程序包,ORACLE PL/SQL编程详解之程序包的创建与应用 2019-04-21
php局部页面滚动,在访问另一页面后保留浏览器滚动位置 - php 2019-04-21
jmeter运行linux命令行,Jmeter在linux上运行(命令行运行Jmeter) 2019-04-21
linux服务器怎么添加站点,如何增加站点或虚拟主机及文件说明 2019-04-21
linux系统输入指令,Linux系统基础 - 基本操作命令 2019-04-21
linux设备管理命令,Linux命令(设备管理).doc 2019-04-21
linux 中文utf-8转gbk编码,Linux平台下 GBK编码转UTF-8编码 2019-04-21
linux安装软件在boot,在Linux系统上安装Spring boot应用的教程详解 2019-04-21
linux进入用户user1主目录,Linux系统命令提示符为[user1@localhost root]当前用户所在目录为( )... 2019-04-21
取消linux自动登录,linuxdeepin 如何取消自动登录啊? 2019-04-21