前嗅ForeSpider教程：通过链接列表采集正文数据（不翻页）

Posted 2021-02-02

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，本次采集当前列表页新闻的正文数据，正文数据是通过点击列表链接进入的，所以本次需要抽取列表链接，所以点击抽取链接，如图3：

【图3】

第二步：通过智能过滤，得到所需链接。

① 按住Ctrl+鼠标左键点击所需链接；

② 击“智能过滤”按钮，如图4：

【图4】

第三步：点击采集预览确认链接是否过滤完全，如图5

【图5】

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。关联模板

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6

【图6】

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://pl.ifeng.com/opinion/zhengnengliang/497/1.shtml， 见图7：

【图7】

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8

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8

【图8】

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，创建表单，如图9

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9】

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10

【图10】

第七步：配置表单

根据所需内容，配置表单字段（即表头），此处配置了包括标题、作者、发布时间、文本内容以及网址五个字段，表单如图11

【图11】

第八步：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。

title字段，如图12

【图12】

第九步：模板预览

① 标右键点击“数据抽取”，然后点击“模板预览”，如图13

【图13】

③ 预览结果如图14

【图14】

第十步：采集预览

① 击右上角采集预览,如图15

【图15】

②双击任意一条链接，看看是否可以得到和网页对应的规整的数据，如图16

【图16】