码迷,mamicode.com
首页 > 其他好文 > 详细

前嗅ForeSpider教程:采集中国证券网

时间:2019-01-28 01:22:14      阅读:274      评论:0      收藏:0      [点我收藏+]

标签:ctrl   教程   需要   http   名称   sns   新闻   包括   鼠标右键   

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:
技术分享图片
②在弹窗里填写采集地址,任务名称,如图2:
技术分享图片
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:
技术分享图片
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区链接。找到所需要的分区链接,区别于其他链接“http://news.cnstock.com/news/sns_yw”, 右击复制链接,如图4所示。
技术分享图片
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,得到要闻分区链接,如图5所示。

③点击采集预览确认链接是否过滤完全,如图6
技术分享图片
第三步:填写模板二示例地址并新建数据抽取

①将模板一过滤得到分区链接,作为模板二的示例地址。如:http://news.cnstock.com/news/sns_qy/index.html, 见图7:
技术分享图片
②创建列表链接抽取、翻页链接抽取。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,如图8:
技术分享图片
③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9:
技术分享图片
④点击采集预览确认链接是否过滤完全,如图10:
技术分享图片

第四步:通过标题过滤,过滤翻页链接

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“http://news.cnstock.com/news/sns_qy/”, 右击复制链接,如图11所示。
技术分享图片
②勾选地址过滤,过滤规则选择包含,填入“http://news.cnstock.com/news/sns_qy/” ,得到列表链接,如图12所示。
技术分享图片
③点击模板预览确认链接是否过滤完全,如图13
技术分享图片
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14。
技术分享图片
②将模板二新建链接抽取过滤得到的任意一条链接,作为模板三的示例地址。如:http://news.cnstock.com/news,yw-201811-4301403.htm, 见图15:
技术分享图片
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16。
技术分享图片
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“新建链接抽取”关联模板“新建模板:03”,如图17:
技术分享图片
第六步: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18。

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18。
技术分享图片
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、作者、采集来源、网页获取时间、内容、发布时间、标题名称、网页地址、发布来源、副标题、图片11个字段,右上角保存,表单如图19。
技术分享图片
③在数据抽取链接处关联表单,如图20。
技术分享图片
第七步: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。

title字段,如图21
技术分享图片
第八步: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22
技术分享图片
②预览结果如图23:
技术分享图片
第九步:采集预览

①点击右上角采集预览,如图24。
技术分享图片
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、图26。
技术分享图片
技术分享图片

前嗅ForeSpider教程:采集中国证券网

标签:ctrl   教程   需要   http   名称   sns   新闻   包括   鼠标右键   

原文地址:http://blog.51cto.com/13915865/2347032

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!