置顶 “前嗅大数据”
和数据大牛一起成长，做牛气哄哄的大数据人
【场景描述】采集带有翻页的网页中的数据。
【使用工具】前嗅ForeSpider数据采集系统，免费下载:
ForeSpider免费版本下载地址
【教程说明】
采集带有翻页的网站，需要先获取所有的翻页链接，常见的翻页链接有三种：数字翻页、点击加载更多/下一页、瀑布流翻页。接下来将为大家介绍不同翻页的配置方法。
1. 数字翻页
下图所示为一个典型的数字翻页：
开始配置前，先新建一个任务模板：
抽取翻页链接方法有三种：
①智能过滤法：
打开前几个翻页链接，观察链接规律，
第二页：文学_线装古籍_孔夫子旧书网
第三页：文学_线装古籍_孔夫子旧书网
第四页：文学_线装古籍_孔夫子旧书网
打开智能过滤界面：
根据规律输入过滤规则：https://book.kongfz.com/Cxianzhuang/cat_\dw\d/
（其中\d表示数字串）
配置后，点击采集预览，发现翻页链接已经都采集到了。
②定位取值法
按住ctrl+鼠标单击任意一个翻页，然后按住shift+鼠标单击任意一个未选中翻页扩大选区，直至选中所有翻页，然后确认选区后保存。
采集预览，发现所有翻页都被抽取出来了。
③地址/标题过滤
类似智能过滤，先观察翻页链接规律（步骤可参考方法一），找到规律后，使用地址过滤的方法进行过滤保存，如下图所示，标题过滤跟地址过滤类似，是对标题内容进行过滤。
点击查看完整教程：采集孔夫子旧书网
2. 点击加载更多/下一页
示例地址：http://mbook.kongfz.com/Ckexue/
下图所示为一个典型的下一页：
①智能过滤
观察下一页链接规律，如下所示：
下一页1：自然科学_古旧书籍及收藏品交易_孔夫子旧书网
下一页2：http://mbook.kongfz.com/Ckexue/w3/
下一页3：http://mbook.kongfz.com/Ckexue/w4/
进行智能过滤，步骤参考数字翻页智能过滤。
②定位过滤
步骤参考数字翻页定位过滤。
③地址/标题过滤
一般用标题过滤多一些，如下图所示：
3. 瀑布流翻页
示例地址：https://new.qq.com/d/bj/
瀑布流翻页是用鼠标往下翻，一直能出来新的数据的翻页。比如腾讯新闻，如下图所示：
此类翻页的翻页链接在页面请求中，需要先找到请求链接，然后用脚本拼出链接。具体操作步骤如下所示：
在浏览器中打开页面后，点击F12，清空所有请求后，刷新页面。
鼠标往下浏览新闻，会发现出现很多新闻，右侧也出现很多请求。观察请求，找出翻页请求链接。
将多个请求链接复制出来，观察链接规律：
https://i.news.qq.com/trpc.qqnews_web.kv_srv.kv_srv_http_proxy/list?sub_srv_id=bj&srv_id=pc&offset=20&limit=20&strategy=1&ext={%22pool%22:[%22top%22],%22is_filter%22:10,%22check_type%22:true}
https://i.news.qq.com/trpc.qqnews_web.kv_srv.kv_srv_http_proxy/list?sub_srv_id=bj&srv_id=pc&offset=40&limit=20&strategy=1&ext={%22pool%22:[%22top%22],%22is_filter%22:10,%22check_type%22:true}
https://i.news.qq.com/trpc.qqnews_web.kv_srv.kv_srv_http_proxy/list?sub_srv_id=bj&srv_id=pc&offset=60&limit=20&strategy=1&ext={%22pool%22:[%22top%22],%22is_filter%22:10,%22check_type%22:true}
观察发现请求链接中只有一个参数不同，分别为20、40、60，该参数规律为：翻页数*20，根据这一规律，使用脚本拼写翻页链接。
首先新建一个任务模板：选中链接抽取后，打开脚本窗口：
写一个for循环来拼取翻页链接：
只要是用脚本拼写链接的，都需要用到这个。
脚本写完以后，点击保存，然后点击采集预览，即可看到拼好的链接。
点击查看完整教程：采集腾讯新闻数据
本教程仅供教学使用，严禁用于商业用途！
l 前嗅简介
前嗅大数据，国内领先的研发型大数据专家，多年来致力于为大数据技术的研究与开发，自主研发了一整套从数据采集、分析、处理、管理到应用、营销的大数据产品。前嗅致力于打造国内第一家深度大数据平台!
