前嗅教程：同一个网站中从另一页面采集数据

Posted 2021-02-06

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，本次采集企业最新动态链接列表，所以点击抽取链接，选择链接列表，如图3：

【图3】
④完成之后，在模板抽取配置下生成两个模板，默认模板：01和链接列表：02。模板1中的“链接列表”链接抽取已与模板2关联，如图4。如果配置的时候发现关联有问题，可以自己进行更改。

【图4】
第二步：使用定位过滤，得到列表链接
①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。
②点击确认选区，如图5：

【图5】
③点击采集预览，确认链接抽取是否正确，如图6：

【图6】
第三步：在模板2添加示例地址，并添加链接抽取
①将模板1过滤得到的任意一条链接，作为模板2的示例地址。如：http://blog.11467.com/b427516.htm，如图7：

【图7】
②新建链接抽取。直接点击模板2，点击上面“新建链接抽取”按钮，得到链接抽取，如图8。

【图8】
③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，模板1中的“链接列表”链接抽取已与模板2关联。如果配置的时候发现关联有问题，可以自己进行更改。

第四步：使用定位过滤，得到列表链接
①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。
②点击确认选区，如图9：

【图9】
③右击模板预览，查看链接抽取结果，如图10所示：

【图10】
④确认链接抽取是否正确，如图11：

【图11】
第五步：新建模板3添加示例地址，并添加链接抽取
①新建模板3，将模板2过滤得到的链接，作为模板3的示例地址。如：http://93358999.b2b.11467.com，如图12：

【图12】
②新建链接抽取。直接点击模板3，点击上面“新建链接抽取”按钮，得到链接抽取，如图13。

【图13】
③关联链接列表的“新建链接抽取”。
根据网页跳转规律，将模板2链接列表的“新建链接抽取”关联模板3。如果配置的时候发现关联有问题，可以自己进行更改，如图14：

【图14】
第六步：使用定位过滤，得到导航列表的链接
①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。
②点击确认选区，如图15：

【图15】
③右击模板预览，查看链接抽取结果，如图16所示：

【图16】
④确认链接抽取是否正确，如图17：

【图17】
⑤使用标题过滤，得到“联系我们”的链接，如图18所示：

【图18】
第七步：新建模板4添加示例地址，并添加链接抽取
①新建模板4，将模板3过滤得到的“联系我们”链接，作为模板4的示例地址。如：http://tianjin0311065.11467.com/contact.asp，如图19：

【图19】
②新建数据抽取。直接点击模板3，点击上面“新建数据抽取”按钮，得到数据抽取，如图20。

【图20】
③关联模板3的“新建链接抽取”。
根据网页跳转规律，将模板3的“新建链接抽取”关联模板4。如果配置的时候发现关联有问题，可以自己进行更改，如图21：

【图21】
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。此处使用的是方法三。
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，如图22所示。

【图22】
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23：

【图23】
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主键、联系人、电话、地址以及公司介绍五个字段。其中，公司介绍字段intro_text的取值在同一网站的不同页面，需要用到脚本取值，配置类型时需要选择高级取值>模板取值，表单如图24：

【图24】
第十步：字段取值
①关联表单，如图25所示：

【图25】
②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。
person、tel、addr字段，如图26：

【图26】
③intro_text字段需要进行模板取值。

第十一步：创建新的模板，添加示例地址
①表单intro_text字段来自公司介绍，如图27所示。

【图27】
图中红框部分为取值内容，如图28所示：

【图28】
②新建模板，添加“公司介绍”链接为示例地址，如：http://93358999.b2b.11467.com/about.asp（模板3右击模板预览，选择全部链接），如图29所示：

【图29】
③直接点击模板5，点击上面“新建数据抽取”按钮，得到数据抽取，如图30：

【图30】
第十二步：创建/选择表单
点击“采集配置”-“数据建表”，点击采“采集表单”后面的，如图31：

【图31】
第十三步：配置表单
根据所需内容，配置表单字段（即表头），此处配置了“公司介绍”字段intro_text表单如图32：

【图32】
第十四步：关联表单，完成“公司介绍”字段抽取
①点击模板5，关联表单，如图33所示：

【图33】
②使用字段定位取值方法。
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，确认选区，如图34所示。

【图34】
③右击模板预览，如图35所示：

【图35】
④模板预览结果，如图36所示：

【图36】
第十五步：模板取值关联
①点击模板4，点击intro_text字段，在红框中填入“href=[5]”，并按住Ctrl+鼠标左键，进行区域选择，如图37所示。
“[ ]”中填写模板ID。

【图37】
②点击模板4，右击模板预览，如图38所示：

【图38】
③预览结果如图39所示：

【图39】
第十六步：采集预览
①点击右上角采集预览,如图40：

【图40】
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41、42、43所示。

【图41】

【图42】

【图43】