使用前嗅ForeSpider通过搜索框检索关键词采集数据

2024-06-02 01:38

本文主要是介绍使用前嗅ForeSpider通过搜索框检索关键词采集数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

第一步:新建任务

①点击左上角“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,由于此次需要配置关键词,所以在新建任务时,需要勾选一下“关键词采集”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,本次采集需要采集列表页中正文的所有文本信息,所以此处需要勾选“抽取链接”-“普通翻页”,如图3:

【图3】

第二步:配置关键词

①由于在创建任务时,选择了关键词采集,所以此时,显示在任务层,如图4

 

【图4】

②按照右侧关键词配置步骤的提示(每个步骤按钮可以点击,如无此操作步骤,可直接跳过),开始配置关键词,如图5

<1>点击关键词,按照操作提示,按住ctrl+鼠标左键点击搜索框

<2>在完成步骤时,按住ctrl+鼠标左键点击搜索按钮

 

【图5】

③关键词列表处,填写关键词,并点击保存,如图6

【图6】

第三步: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:“下一页”的链接。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7

 

【图7】

③点击采集预览查看是否过滤成功,如图8

【图8】

 

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。

①关联“链接列表”

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9

 

【图9】

②关联“翻页”(对应第四步创建翻页链接抽取)

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11。

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10。

【图10】

第五步:填写模板二示例地址并新建数据抽取

①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:http://www.baidu.com/link?url=RU0aZHeU-o3LTp3pqyPDy6m9xoeE0vROyA-eypRcuOAGvNzA9E8VQuEI7aIxi1iKo4LBmC0xfOin7-ZclO50P9MfO4oL8uya5BmiX7V85Iz2lnXzs12I2tfb-g4fG9s1, 见图11:

 

【图11】

②新建数据抽取

方法一:通过点击“下一步”后勾选抽取数据,再次点击“下一步”得到数据抽取,如图12

方法二: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12

【图12】

 

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。此处使用的是之前建过的凤凰网的表单,如图13

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13】

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14

【图14】

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标题、网页地址、全部文本三个字段,表单如图15

 

【图15】

第八步:字段取值

取值方法:由于网页标题和网页地址是可以自动取值的字段,所以我们只需要取到网页文本即可。

text字段,如图16

【图16】

第九步: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17

【图17】

②预览结果如图18

【图18】

第十步:采集预览

①点击右上角采集预览,如图19

【图19】

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20

【图20】

这篇关于使用前嗅ForeSpider通过搜索框检索关键词采集数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1022685

相关文章

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

vue使用docxtemplater导出word

《vue使用docxtemplater导出word》docxtemplater是一种邮件合并工具,以编程方式使用并处理条件、循环,并且可以扩展以插入任何内容,下面我们来看看如何使用docxtempl... 目录docxtemplatervue使用docxtemplater导出word安装常用语法 封装导出方

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(