前嗅ForeSpider采集:采集图片/视频/资源文件

news/2024/7/19 11:39:17 标签: 数据, 爬虫, 采集, 软件

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 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,本次采集所有页面的图片,图片链接是通过点击图片列表链接进入的,所以本次需要抽取列表图片链接,所以点击抽取链接,如图3:

【图3】

第二步:选择链接类型

由于本次需要取到的是图片链接,图片链接不同于其他网页链接,所以需要特殊对待,在链接(网址)属性配置下面的“链接类型”中,选择“图片、视频等资源链接”

【图4】

第三步:通过地址过滤,得到所需链接。

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“.jpg”,如图5所示。

【图5】

② 选地址过滤,过滤规则选择包含,填入“.jpg\e”,得到列表链接,如图6所示。

 

【图6】

③ 点击采集预览确认链接是否过滤完全,如图7

【图7】

第四步:创建翻页链接抽取

方法一:创建任务,勾选链接抽取,直接选择链接列表和普通翻页,如图8

 

【图8】

方法二:如果创建任务时,只勾选了链接列表,可以点击上一步,回到模板层,补选翻页链接抽取,点击下一步,创建翻页链接

方法三: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9

【图9】

第五步:通过标题过滤,过滤翻页链接

①点击采集预览,我们可以发现,翻页链接即为名为上一页、下一页两条链接。对于翻页,只需要取到标题名为“下一页”的链接即可。

②这里应用标题过滤,过滤规则选择“包含”,过滤串填写“下一页”即可。如图10

【图10】

③ 点击采集预览查看是否过滤成功,如图11

【图11】

第六步:关联模板

软件中模板的关联关系,与网页中链接跳转的关系相同。

①关联“链接列表”

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12

【图12】

②关联“翻页”(对应第四步创建翻页链接抽取)

情况一:创建模板或通过向导,创建的翻页链接抽取,会默认关联模板一,即当前页模板,如图13。

情况二:手动点击按钮创建翻页链接抽取,需要手动关联,如图13。

【图13】

第七步: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://pic190.nipic.com/pic/20181106/3554136_164629689000_4.jpg , 见图14:

【图14】

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15

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15

【图15】

 

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。此处使用的是昵图网的表单,如图16

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16】

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17

【图17】

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标题和图片两个个字段,表单如图18

【图18】

第十步: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。点击“确认选区”按钮,确认操作。

pic_image字段,如图19

【图19】

 

第十二步:采集预览

点击右上角采集预览,如图20

【图20】


http://www.niftyadmin.cn/n/1191677.html

相关文章

day1-pycharm使用

1、Ctrl滑轮 字体大小 2、改变字体大小 3、开头模板 4、多行注释 ctrl?5、切换Python版本解释器 转载于:https://www.cnblogs.com/charon2/p/10332777.html

Visual Studio 2012常用快捷键总结

合理使用快捷键可以提高开发效率。收集整理一些常用的快捷键以方便查看使用 1.回到上一个光标位置/前进到下一个光标位置 1)回到上一个光标位置:使用组合键“Ctrl -”; 2)前进到下一个光标位置:“Ctrl Shift - ”。…

前嗅ForeSpider教程:采集图片/视频/资源文件的链接地址

昨天为大家介绍了如何采集图片/视频/资源文件后,有小伙伴问我如何采集他们的链接地址,今天小编就为大家演示如何采集图片/视频/资源文件的链接地址,操作如下: 第一步:新建任务 ①点击左上角“加号”新建任务&#xff…

前嗅ForeSpider教程:采集新浪新闻

最近后台有很多童鞋问怎么采集新闻,今天小编以采集新浪新闻为例,来为大家进行演示,同样适用于其他新闻网站的采集,具体操作如下: 第一步:新建任务 ①点击左上角“加号”新建任务,如图1&#xf…

ogg转mp3格式转换器哪个好用

大家有没有遇到这种情况,在网上下载了一首音乐,但是在手机的MP3里却不能播放,因为这个音乐是ogg格式的,虽然ogg格式音频优点众多,支持多声道,音质好,但是没办法,MP3不支持播放&#…

php开源工具哪些比较受欢迎

众所周知,软件行业是一个相对苦逼的行业,特别是遇到赶项目,很多程序猿就只有累成狗了。为了提高开发效率,让开发任务更简便、快捷,开源工具的使用是少不了的。今天小编整理了10款最受欢迎的php开源工具,分享…

前嗅ForeSpider教程:采集360问答

今天,小编来教大家如何采集论坛自媒体类网站的数据,以采集360问答为例,为大家进行演示操作,该操作同样适用于其他类似网站: 第一步:新建任务 ①点击左上角“加号”新建任务,如图1: …

C#知识拾遗

参数验证方式 1. 一般方法 1.1 手动验证 最为普遍常见,略。 1.2 使用扩展方法验证 在C#3.0 中,引入了扩展方法,可以以一种更优雅的方式来进行参数验证,如: 1 //参数辅助类2 public static class ArgumentHelper3 {4…