【从零开始学爬虫】采集天堂图片网图片数据

121 篇文章 0 订阅
118 篇文章 0 订阅

l 采集网站

【场景描述】采集天堂图片网上的所有的风景图片数据。

【源网站介绍】

天堂图片网是一个提供丰富图片设计素材为的网站,网站内提供了清晰的图片分类,范围涵盖人物、动物、植物、商务、生活、家居、体育、交通、广告等素材图片。

【使用工具】前嗅ForeSpider数据采集系统,点击下方链接可免费下载

ForeSpider免费版本下载地址http://www.forenose.com/view/forespider/view/download.html

【入口网址】https://www.ivsky.com/tupian/fengjing_t2333/

【采集内容】

采集天堂图片网所有风景图片名称和图片。

图片

图片

【采集效果】如下图所示:

l 思路分析

配置思路概览:

图片

l 配置步骤

1. 新建采集任务

选择【采集配置】,点击任务列表右上方【+】号可新建采集任务,将采集入口地址填写在【采集地址】框中,【任务名称】自定义即可,点击下一步。

图片

2.获取分类列表链接

①点击采集预览,观察该页面链接,发现分类链接的规律为:https://www.ivsky.com/tupian/字符串

图片

②使用地址过滤的方法,将分类链接过滤出来。

\c表示小写字母的字符串,所以设置地址过滤包含:https://www.ivsky.com/tupian/\c/

图片

3.获取翻页&列表链接

①新建模板02,后在其下新建一个链接抽取,可修改名称为翻页链接。

图片

②将模板01中的链接抽取,关联到模板02中。

图片

③采集预览,观察翻页链接中均包含:

https://www.ivsky.com/tupian/字母串/index  

图片

④如下所示设置过滤翻页地址。其中\c表是一串小写字母串

图片

⑤翻页链接关联自身模板,在此进行如下设置。

图片

⑥新建一个链接抽取,改名为抽取图片列表链接。

图片

采集预览,打开图片列表链接预览界面,观察图片列表链接规律发现其规律为:

https://www.ivsky.com/tupian/一串小写字母_一串小写字母_v一串数字/

图片

⑦其规律可表示为:https://www.ivsky.com/tupian/\c_\c_v\d/

\c:表示一个小写

图片

4.抽取图片列表链接

①新建模板03,在该模板下新建一个数据抽取。

图片

关联数据表

图片

②采集预览,打开新建列表链接预览界面,观察图片列表链接规律发现其规律为:

https://www.ivsky.com/tupian/一串字母_一串字母_v一串数字/pic_一串数字.html

图片

③以上规律可表示为:https://www.ivsky.com/tupian/\c_\c_v\d/pic_\d.html,如下图所示进行地址过滤。

图片

5.数据抽取

①新建模板04,在其下新建一个数据抽取链接。

图片

②将模板03的链接抽取关联至模板04,。

图片

③新建一个数据表单,具体步骤和字段属性如下所示:

图片

④关联表单

图片

⑤采集预览,选择任意一条图片页链接,在浏览器中打开。

图片

图片

⑥在页面空白处,右键选中查看源文件。

图片

⑦发现下图所示位置的链接即为该图片的链接,点击即进入图片页

图片

图片

⑧编写脚本抽取图片数据,具体操作如下:

图片

具体脚本文本如下:

var st= DOM.GetSource().ToStr();//获取页面源码,并转化为字符串格式
var b="https:"+st.Middle("\"imgis\" src='","'");//取源码中图片链接
var doc = EXTRACT.OpenDoc(CHANN, b, "");//打开图片链接
var pic=doc.GetDom().GetSource( b);//取图片链接页面的源码,即图片
record re;//定义一个返回
re.tit=st.Middle("arctitle='","'");//取页面源码中的图片名称,并返回
re.ex=".jpg";//定义ex为jpg
re.pic=pic;//返回图片
RESULT.AddRec(re,this.schemaid);//结束

⑨采集预览,双击进入最后数据页,下图所示已经采集到图片了。

图片

l 采集步骤

模板配置完成,采集预览没有问题后,可以进行数据采集。

①首先要建立采集数据表:

选择【数据建表】,点击【表单列表】中该模板的表单,在【关联数据表】中选择【创建】,表名称自定义,这里命名为【tiantang】(注意命名不能用数字和特殊符号),点击【确定】。创建完成,勾选数据表,并点击右上角保存按钮。

图片

②选择【数据采集】,勾选任务名称,点击【开始采集】,则正式开始采集。

图片

③采集及导出数据如下所示:

 

*本教程仅供学习交流,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!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值