java 58同城 抓取_前嗅ForeSpider教程：采集58同城

以58同城·便当为例，通过社保医疗链接到文章列表，由列表进入文章页采集正文数据：

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，首先采集58同城·便当分类下的分类列表的链接，所以点击抽取链接，如图3：

【图3】

④完成后模板抽取配置列表有一个模板，默认模板，如图4：

【图4】

第二步：创建链接抽取，通过定位过滤得到所需链接

①直接点击“默认模板：01”，点击上面“新建链接抽取”按钮，得到链接抽取，如图5。

【图5】

②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，如图6：

【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：创建新模板，并添加链接抽取

①在模板配置，点击“新建模板”按钮，得到新建模板，如图8。

【图8】

②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9：

【图9】

③新建数据抽取。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10。

【图10】

④关联模板

在软件中模板的关联关系，与网页中链接跳转的关系相同。 根据网页跳转规律，将模板一的“新建链接抽取”关联模板二，如图11

【图11】

第四步：通过定位过滤得到文章列表所需链接

①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，如图12：

【图12】

②鼠标右键点击模板二，模板预览，如图13：

【图13】

③确认链接是否过滤完全，如图14：

【图14】

第五步：创建新的模板，并新建数据抽取

①在模板配置，点击“新建模板”按钮，得到新建模板，重命名为正文数据模板，如图15。

【图15】

②新建数据抽取。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16。

【图16】

③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17：

【图17】

④关联模板

在软件中模板的关联关系，与网页中链接跳转的关系相同。 根据网页跳转规律，将模板二“新建链接抽取”关联模板三，如图18。

【图18】

第六步：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”后面的添加按钮，如图19：

【图19】

第七步：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主键、文章标题、访问量、发布时间、文本内容5个字段，表单如图20：

【图20】

第八步：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

tit、read_num、pub_date、text字段，如图21：

【图21】

第九步：模板预览

①鼠标右键点击模板三，然后点击“模板预览”，如图22：

【图22】

②预览结果如图23：

【图23】

第十步：采集预览

①点击右上角采集预览,如图24：

【图24】

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25、26：

【图25】

【图26】