前嗅ForeSpider教程：采集中国证券网

Posted 2021-02-06

前几天有人问如何采集中国证券网，小编整理了一下，在此为大家做一下演示，同样适用于其他金融经济型的网站：

?

第一步：新建任务

①点击左上角“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，本次采集要闻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：

第二步：通过地址过滤，得到所需的分区链接。

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分区链接。找到所需要的分区链接，区别于其他链接“http://news.cnstock.com/news/sns_yw”， 右击复制链接，如图4所示。

②勾选地址过滤，过滤规则选择包含，将复制的目标地址粘入，得到要闻分区链接，如图5所示。

③点击采集预览确认链接是否过滤完全，如图6

第三步：填写模板二示例地址并新建数据抽取

①将模板一过滤得到分区链接，作为模板二的示例地址。如：http://news.cnstock.com/news/sns_qy/index.html， 见图7：

②创建列表链接抽取、翻页链接抽取。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8：

③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，如图9：

④点击采集预览确认链接是否过滤完全，如图10：

第四步：通过标题过滤，过滤翻页链接

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“http://news.cnstock.com/news/sns_qy/”， 右击复制链接，如图11所示。

②勾选地址过滤，过滤规则选择包含，填入“http://news.cnstock.com/news/sns_qy/” ，得到列表链接，如图12所示。

③点击模板预览确认链接是否过滤完全，如图13

第五步：创建新的模板，并新建数据抽取

①在模板配置，点击“新建模板”按钮，得到新建模板，重命名为正文数据模板，如图14。

②将模板二新建链接抽取过滤得到的任意一条链接，作为模板三的示例地址。如：http://news.cnstock.com/news,yw-201811-4301403.htm， 见图15：

③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，得到数据抽取，如图16。

④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。

根据网页跳转规律，将“新建链接抽取”关联模板“新建模板：03”，如图17：

第六步：创建/选择表单

①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。此处使用的方法三，如图18。

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18。

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、作者、采集来源、网页获取时间、内容、发布时间、标题名称、网页地址、发布来源、副标题、图片11个字段，右上角保存，表单如图19。

③在数据抽取链接处关联表单，如图20。

第七步：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21

第八步：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22

②预览结果如图23：

第九步：采集预览

①点击右上角采集预览,如图24。

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25、图26。