前嗅ForeSpider教程：采集表格/列表页中的数据（翻页）

Posted 2021-02-02

以孔夫子旧书网的最近出版板块为例（http://www.kongfz.com/1004/）为例，采集列表页的所有数据：
第一步：新建任务
①击左上角“加号”新建任务，如图1：

②在弹窗里填写采集地址，任务名称如图2：

③点击下一步，选择进行数据抽取还是链接抽取，本次采集需要采集当前板块的列表页所有内容，所以只需要在同一个模板中进行翻页链接抽取以及数据抽取即可。此处需要勾选“抽取链接”-“普通翻页”以及“抽取数据”，如图3：

第二步：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。此处使用的是的旧书网的表单，如图4
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

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5

第三步：配置表单
根据所需内容，配置表单字段（即表头），此处配置了包括标题、作者、价格三个字段，表单如图6

第四步：字段取值
取值方法：由于此处活取的是列表页的数据，所以可以应用“识别列表”功能，直接取到列表数据，操作方法如下：
①点击“数据抽取-旧书网”，按住ctrl+鼠标左键点击任意一部分内容，如图7，选中标题

②按住Shift+鼠标左键继续点击，直到点击到选中整个第一条数据，如图8

③在软件的右下角可以看到“识别列表”按钮 ，此时点击“识别列表”，如图9，此时列表中的内容都已经选中。

③对每个字段进行取值,方法依然是：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。
如：price-cover字段
首先在左侧点到price-cover字段上,在浏览器中对该字段进行取值.
<1>按住ctrl+鼠标左键，点击“新书”
<2>按住shift+鼠标左键继续点击，直到选中图10中的全部内容
<3>点击右下角“确认选区”

第五步：模板预览
①标右键点击“数据抽取”，然后点击“模板预览”，如图11

②预览结果如图12

第六步：应用定位过滤，过滤翻页链接
①标点击“链接抽取-普通翻页”，内置浏览器拉到最底端找到翻页，如图13

②按住Ctrl+鼠标左键点击第一页，按住shift+鼠标左键，扩大选区，直到选中整行，如图14

③点击“确认选区”
④点击“采集预览”查看链接过滤是否完全，此处由于只有一个模板，所以链接和数据在同一个预览框里，直接点击预览的结果如图15

⑤点击“链接信息数目”，查看对应的链接，如图16，由于第9页之后直接就是第15页，如果怕中间页数取不到，可以双击第9页试试看

第七步：采集预览
双击任意一页链接,点击“旧书网”均可得到对应的列表数据如图17