前嗅教你大数据：采集金融界论坛数据

采集网站

【场景描述】采集金融界论坛数据。

【源网站介绍】金融界社区外汇论坛提供全面及时的外汇资讯及信息交流，时刻准确把握本外币信息及央行动态。

【使用工具】前嗅ForeSpider数据采集系统，免费下载:

http://www.forenose.com/view/forespider/view/download.html

采集网站

【入口网址】http://bbs.jrj.com.cn/905

【采集内容】

采集金融界论坛中的帖子信息。

【采集效果】如下图所示：

思路分析

配置思路概览：

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。

2.获取翻页链接

①选择链接抽取，采集预览，找到翻页链接，观察翻页链接中都包含【
http://bbs.jrj.com.cn/forex,】，使用地址抽取的方法，抽取地址中包含该规律的链接。如下图所示：

②关联模板，将翻页链接抽取，关联模板01。

3. 抽取帖子链接

①在模板1下新建一个数据抽取，具体操作如下所示：

②采集预览，观察帖子链接的规律，发现帖子链接中都包含【http://bbs.jrj.com.cn/msg】，使用地址抽取的方法，抽取地址中包含该规律的链接。如下图所示：

4. 抽取帖子数据

①新建模板02，在模板02下新建一个数据抽取，具体操作如下所示：

将模板01下的帖子链接抽取，关联模板02.

②数据建表，按照下图所示建数据表。（注意字段属性等应严格按照下图进行设置）

③将新建好的数据表，关联到模板中去，如下图所示:

④填写示例地址

采集预览，复制任意一条帖子链接，并填写在模板02的示例地址处：

⑤使用定位取值的方法抽取数据：

Title字段：

author字段：

Pubtime字段：

Num字段：

Text字段：

⑥采集预览

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建立数据表单：

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【jinrong】（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。

②开始采集

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。

③导出数据

④导出的文件打开如下图所示：

*本教程仅供教学使用，严禁用于商业用途！

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！