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处理带有时区的日期和时间数据

《python处理带有时区的日期和时间数据》这篇文章主要为大家详细介绍了如何在Python中使用pytz库处理时区信息,包括获取当前UTC时间,转换为特定时区等,有需要的小伙伴可以参考一下... 目录时区基本信息python datetime使用timezonepandas处理时区数据知识延展时区基本信息

Qt实现网络数据解析的方法总结

《Qt实现网络数据解析的方法总结》在Qt中解析网络数据通常涉及接收原始字节流,并将其转换为有意义的应用层数据,这篇文章为大家介绍了详细步骤和示例,感兴趣的小伙伴可以了解下... 目录1. 网络数据接收2. 缓冲区管理(处理粘包/拆包)3. 常见数据格式解析3.1 jsON解析3.2 XML解析3.3 自定义

使用Python和Pyecharts创建交互式地图

《使用Python和Pyecharts创建交互式地图》在数据可视化领域,创建交互式地图是一种强大的方式,可以使受众能够以引人入胜且信息丰富的方式探索地理数据,下面我们看看如何使用Python和Pyec... 目录简介Pyecharts 简介创建上海地图代码说明运行结果总结简介在数据可视化领域,创建交互式地

SpringMVC 通过ajax 前后端数据交互的实现方法

《SpringMVC通过ajax前后端数据交互的实现方法》:本文主要介绍SpringMVC通过ajax前后端数据交互的实现方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价... 在前端的开发过程中,经常在html页面通过AJAX进行前后端数据的交互,SpringMVC的controll

Java Stream流使用案例深入详解

《JavaStream流使用案例深入详解》:本文主要介绍JavaStream流使用案例详解,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录前言1. Lambda1.1 语法1.2 没参数只有一条语句或者多条语句1.3 一个参数只有一条语句或者多

Java Spring 中 @PostConstruct 注解使用原理及常见场景

《JavaSpring中@PostConstruct注解使用原理及常见场景》在JavaSpring中,@PostConstruct注解是一个非常实用的功能,它允许开发者在Spring容器完全初... 目录一、@PostConstruct 注解概述二、@PostConstruct 注解的基本使用2.1 基本代

C#使用StackExchange.Redis实现分布式锁的两种方式介绍

《C#使用StackExchange.Redis实现分布式锁的两种方式介绍》分布式锁在集群的架构中发挥着重要的作用,:本文主要介绍C#使用StackExchange.Redis实现分布式锁的... 目录自定义分布式锁获取锁释放锁自动续期StackExchange.Redis分布式锁获取锁释放锁自动续期分布式

springboot使用Scheduling实现动态增删启停定时任务教程

《springboot使用Scheduling实现动态增删启停定时任务教程》:本文主要介绍springboot使用Scheduling实现动态增删启停定时任务教程,具有很好的参考价值,希望对大家有... 目录1、配置定时任务需要的线程池2、创建ScheduledFuture的包装类3、注册定时任务,增加、删

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

Pandas透视表(Pivot Table)的具体使用

《Pandas透视表(PivotTable)的具体使用》透视表用于在数据分析和处理过程中进行数据重塑和汇总,本文就来介绍一下Pandas透视表(PivotTable)的具体使用,感兴趣的可以了解一下... 目录前言什么是透视表?使用步骤1. 引入必要的库2. 读取数据3. 创建透视表4. 查看透视表总结前言