前嗅ForeSpider采集:采集图片/视频/资源文件

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 弹窗里填写采集地址,任务名称如图2:

前嗅ForeSpider采集:采集图片/视频/资源文件_第1张图片

【图2】

③点击下一步,选择进行数据抽取还是链接抽取,本次采集所有页面的图片,图片链接是通过点击图片列表链接进入的,所以本次需要抽取列表图片链接,所以点击抽取链接,如图3:

前嗅ForeSpider采集:采集图片/视频/资源文件_第2张图片

【图3】

第二步:选择链接类型

由于本次需要取到的是图片链接,图片链接不同于其他网页链接,所以需要特殊对待,在链接(网址)属性配置下面的“链接类型”中,选择“图片、视频等资源链接”

前嗅ForeSpider采集:采集图片/视频/资源文件_第3张图片

【图4】

第三步:通过地址过滤,得到所需链接。

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“.jpg”,如图5所示。

前嗅ForeSpider采集:采集图片/视频/资源文件_第4张图片

【图5】

② 选地址过滤,过滤规则选择包含,填入“.jpg\e”,得到列表链接,如图6所示。

 

前嗅ForeSpider采集:采集图片/视频/资源文件_第5张图片

【图6】

③ 点击采集预览确认链接是否过滤完全,如图7

前嗅ForeSpider采集:采集图片/视频/资源文件_第6张图片

【图7】

第四步:创建翻页链接抽取

方法一:创建任务,勾选链接抽取,直接选择链接列表和普通翻页,如图8

 

前嗅ForeSpider采集:采集图片/视频/资源文件_第7张图片

【图8】

方法二:如果创建任务时,只勾选了链接列表,可以点击上一步,回到模板层,补选翻页链接抽取,点击下一步,创建翻页链接

方法三: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9

前嗅ForeSpider采集:采集图片/视频/资源文件_第8张图片

【图9】

第五步: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,翻页链接即为名为上一页、下一页两条链接。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10

前嗅ForeSpider采集:采集图片/视频/资源文件_第9张图片

【图10】

③ 点击采集预览查看是否过滤成功,如图11

前嗅ForeSpider采集:采集图片/视频/资源文件_第10张图片

【图11】

第六步: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12

前嗅ForeSpider采集:采集图片/视频/资源文件_第11张图片

【图12】

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13。

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13。

前嗅ForeSpider采集:采集图片/视频/资源文件_第12张图片

【图13】

第七步: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://pic190.nipic.com/pic/20181106/3554136_164629689000_4.jpg , 见图14:

前嗅ForeSpider采集:采集图片/视频/资源文件_第13张图片

【图14】

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15

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15

前嗅ForeSpider采集:采集图片/视频/资源文件_第14张图片

【图15】

 

第八步: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。此处使用的是昵图网的表单,如图16

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

前嗅ForeSpider采集:采集图片/视频/资源文件_第15张图片

【图16】

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17

前嗅ForeSpider采集:采集图片/视频/资源文件_第16张图片

【图17】

第九步: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和图片两个个字段,表单如图18

前嗅ForeSpider采集:采集图片/视频/资源文件_第17张图片

【图18】

第十步: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。点击“确认选区”按钮,确认操作。

pic_image字段,如图19

前嗅ForeSpider采集:采集图片/视频/资源文件_第18张图片

【图19】

 

第十二步:采集预览

点击右上角采集预览,如图20

前嗅ForeSpider采集:采集图片/视频/资源文件_第19张图片

【图20】

你可能感兴趣的:(指导性文章,爬虫,大数据,前嗅)