前嗅教程：通过搜索框检索关键词采集数据

阅读更多

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】

 

• 
• 大小: 2.3 KB

• 
• 大小: 31.8 KB

• 
• 大小: 36.7 KB

• 
• 大小: 18.1 KB

• 
• 大小: 50.7 KB

• 
• 大小: 15.7 KB

• 
• 大小: 35.7 KB

• 
• 大小: 159 KB

• 
• 大小: 9.5 KB

• 
• 大小: 9.1 KB

• 
• 大小: 33.1 KB

• 
• 大小: 11.6 KB

• 
• 大小: 64.7 KB

• 
• 大小: 35.4 KB

• 
• 大小: 38.2 KB

• 
• 大小: 67.1 KB

• 
• 大小: 26.3 KB

• 
• 大小: 99.8 KB

• 
• 大小: 163.8 KB

• 
• 大小: 100.8 KB

• 查看图片附件