前嗅ForeSpider教程：采集美团网

2019独角兽企业重金招聘Python工程师标准>>>

以美团为例，通过关键词搜索后的结果列表，由列表进入正文页采集正文数据：

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在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，首先当前检索结果列表链接，所以点击抽取链接，选择链接抽取，如图3：

【图3】

④完成后模板抽取配置列表有两个个模板，默认模板和新建模板，模板一的默认链接抽取已与模板二关联，如图4：

【图4】 第二步：通过地址过滤，得到所需的链接。

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，右击复制链接，“https://www.meituan.com/meishi/+数字+/ ”如图5所示。

【图5】

②勾选地址过滤，过滤规则选择包含，将复制的目标地址粘入，使用过滤串“\d”得到列表链接，如图6所示。

过滤串规则说明：\d 表示一串（个）数字

【图6】

③点击采集预览确认链接是否过滤完全，如图7

【图7】

第三步：填写模板二示例地址并新建数据抽取

①将模板一过滤得到的任意一条链接，作为模板二的示例地址 见图8：

【图8】

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。

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9：

【图9】

第四步：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。此处使用的方法三。

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。

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10：

【图10】

第五步：配置表单

根据所需内容，配置表单字段（即表头），此处配置了网页主键、标题、联系方式、联系地址共4个字段，表单如图11：

【图11】

第六步：字段取值

① 先关联表单，如图12所示。

【图12】

② 字段取值是在数据模板位置写脚本，来给对应字段赋值，如图13所示。

【图13】

代码如下： var str=DOM.GetSource().ToStr().Middle(""detailInfo":",","photos""); //获取网页源码包含数据部分内容 jScript js; var obj=js.RunJson(str); //生成json对象 record re; re.id=MD5(URL.urlname);//给主键字段生成唯一标识 re.tit=obj.name; //标题名称 re.addr=obj.address; //店铺地址 re.tel=obj.phone; //店铺电话 RESULT.AddRec(re,TMPL.fstdoc.schemaid); //将所有的字段放入结果集

第七步：模板预览

①鼠标右键点击“数据抽取”，然后点击“模板预览”，如图14所示。

【图14】

②预览结果，如图15所示。

【图15】

第八步：采集预览

①点击右上角采集预览，如图16所示。

【图16】

②双击任意一条链接，看看是否可以得到和网页对应的规整的数据，如图17所示。

【图17】

【图18】

转载于:https://my.oschina.net/forespider/blog/3005535