前嗅ForeSpider教程：采集预览

今天，小编为大家带来的教程是:如何在前嗅ForeSpider中，进行采集预览。主要内容包括：采集预览的使用方法，预览链接/数据抽取，和预览错误情况排查；具体内容如下：

一，采集预览的使用方法

1.采集预览
在正式采集之前，可以点击界面右上方的“采集预览”按钮，以查看配置是否正确。采集预览的结果和正式采集的结果是一致的，但是只采集没有入库。
采集预览的页面包括两种：链接信息（>>预览链接抽取）和数据信息（>>预览数据抽取）。双击链接条目，可以打开下一层页面。采集预览的页面结构和配置的模板列表结构是相同的，先预览的是模板一的采集结果，通过双击链接进入下层模板预览。

2.模板预览
或在模板列表右键，选择模板预览，可以直接查看当前模板的采集结果。

右键-模板预览

二，预览链接抽取

1.未过滤
当仅输入了采集地址，没有配置模板时，点击“采集预览”可以看到采集源地址能够下载的所有链接。

2.过滤链接后
当配置了链接抽取后，可以根据链接地址或标题名称过滤掉无关的链接。可以在采集预览的窗口直接输入过滤串，进行地址过滤或标题过滤。可以看到采集的链接地址全部包含该字符串，剔除了不包含的链接。

预览链接抽取

三，预览数据抽取

创建数据抽取，并为字段赋值之后，可以预览到已经抽取出来的数据。在链接抽取页面，双击某个链接，将打开下面的数据预览页面。
或在数据抽取节点，右键选择“模板预览”查看。

预览数据抽取

四，预览错误情况排查

1.频道和模板的配置错误
①输入为空或不合法：频道配置的采集地址为空或不合法。
②模板分类错误：分类器错误。
③地址错误：采集地址不存在或已经失效。
④模板错误：模板不存在或已经损坏。
⑤频道入口配置错误：关键词搜索配置错误。
⑥文档类型错误：采集对象是不能够识别的文档。
⑦频道配置不合法：频道配置错误。

2.http下载错误
①服务器繁忙：采集对象的服务器繁忙。
②域名解析错误：域名解析出现错误。
③网页重定向：采集对象重新定向了新的地址。
④网页未找到：未找到请求资源。
⑤权限访问错误：方法禁止操作或权限不够。
⑥服务器错误：本机服务发生错误。
⑦网络错误：网络发生错误。
⑧https协议错误：ssl错误。
⑨代理服务器错误：代理错误。
⑩内容错误：下载的页面内容发生错误。
⑪用户取消下载：下载过程中用户过滤或取消。

3.文档类型无法识别
文档后缀与实际类型不符。

4.脚本执行出错
脚本配置出错。

5.数据错误
数据库插入、更新、删除、查询等发生错误。

6.未知错误
发生其他各类错误。