前嗅ForeSpider教程:采集网页连接/源码/时间/重定向地址等

2021年09月15日 阅读数:3
这篇文章主要向大家介绍前嗅ForeSpider教程:采集网页连接/源码/时间/重定向地址等,主要内容包括基础应用、实用技巧、原理机制等方面,希望对大家有所帮助。

今天小编来为你们介绍一个很是实用又简单的操做,就是如何用前嗅ForeSpider采集网页连接/源码/时间/重定向地址,同时为了方便你们采集,前嗅ForeSpider已经提早把网页连接/源码/时间/重定向地址等采集中常有的基本项,预先写好了功能,具体步骤以下:ide

第一步:新建任务
①点击左上角“加号”新建任务,如图1:spa

图片描述

②弹窗里填写采集地址,任务名称,如图2:图片

图片描述

③ 点击下一步,勾选抽取连接,选择网页内全部连接,如图3:文档

图片描述

④完成后模板抽取配置列表有一个模板,默认模板。默认模板下自动生成一个连接抽取,名称为网页所有连接,如4:源码

图片描述

第二步:建立新的模板,并新建数据抽取
①模板配置,点击“新建模板”按钮,获得新建模板,如图5。it

图片描述

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,获得数据抽取,如图6。模板

图片描述

③关联模板
在软件中模板的关联关系,与网页中连接跳转的关系相同。
根据网页跳转规律,将“网页所有连接”关联模板“新建模板02”,如图7:class

图片描述

第三步:建立/选择表单
①在ForeSpider爬虫中,表单是能够复用的,因此能够在数据表单出直接选择以前建过的表单,也能够经过表单ID来进行查找并关联数据表单。此处使用的方法三,如图8。
方法一:经过下拉菜单或表单ID选择已有表单
方法二:点击建立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8。软件

图片描述

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、网页建立时间、网页获取时间、网页地址、全区内网页源码(包含当前标签)、选取内所有文本、选取内网页源码以及网页标题八个字段,表单如图9。表单

图片描述

如下字段为软件自带字段类型,无需肯定选取取值。
网页主键:网页惟一标识。
网页建立时间:文档建立或网页发布的时间。
网页获取时间:ForeSpider采集该网页的时间。
网页地址:自动采集网页的URL地址。
选区内网页源码(包含当前标签):采集选区内所有源代码,包含当前节点标签等,即整个选区的源代码。
选区内所有文本:最经常使用的类型。点击Ctrl选择绿框后,采集选区里的所有内容
选区内网页源码:采集选区内所有源代码,不包含当前节点标签等。
网页标题:采集网页的标题。即网页<title>中的内容。
③ 数据抽取连接处关联表单,如图10。

图片描述

第四步:采集预览
①点击击右上角采集预览,如图11。

图片描述

②双击任意一条连接,看看是否能够获得和网页对应的规整的数据,如图十二、图13。

图片描述

图片描述