采集網站
【場景描述】采集金融界論壇數據。
【源網站介紹】金融界社區外匯論壇提供全面及時的外匯資訊及信息交流,時刻準確把握本外幣信息及央行動態。
【使用工具】前嗅ForeSpider數據采集系統,免費下載:
http://www.bendalayoga.com/view/forespider/view/download.html
采集網站
【入口網址】http://bbs.jrj.com.cn/905
【采集內容】
采集金融界論壇中的帖子信息。
【采集效果】如下圖所示:
思路分析
配置思路概覽:
配置步驟
1. 新建采集任務
選擇【采集配置】,點擊任務列表右上方【+】號可新建采集任務,將采集入口地址填寫在【采集地址】框中,【任務名稱】自定義即可,點擊下一步。
2.獲取翻頁鏈接
①選擇鏈接抽取,采集預覽,找到翻頁鏈接,觀察翻頁鏈接中都包含【
http://bbs.jrj.com.cn/forex,】,使用地址抽取的方法,抽取地址中包含該規律的鏈接。如下圖所示:
②關聯模板,將翻頁鏈接抽取,關聯模板01。
3. 抽取帖子鏈接
①在模板1下新建一個數據抽取,具體操作如下所示:
②采集預覽,觀察帖子鏈接的規律,發現帖子鏈接中都包含【http://bbs.jrj.com.cn/msg】,使用地址抽取的方法,抽取地址中包含該規律的鏈接。如下圖所示:
4. 抽取帖子數據
①新建模板02,在模板02下新建一個數據抽取,具體操作如下所示:
將模板01下的帖子鏈接抽取,關聯模板02.
②數據建表,按照下圖所示建數據表。(注意字段屬性等應嚴格按照下圖進行設置)
③將新建好的數據表,關聯到模板中去,如下圖所示:
④填寫示例地址
采集預覽,復制任意一條帖子鏈接,并填寫在模板02的示例地址處:
⑤使用定位取值的方法抽取數據:
Title字段:
author字段:
Pubtime字段:
Num字段:
Text字段:
⑥采集預覽
采集步驟
模板配置完成,采集預覽沒有問題后,可以進行數據采集。
①建立數據表單:
選擇【數據建表】,點擊【表單列表】中該模板的表單,在【關聯數據表】中選擇【創建】,表名稱自定義,這里命名為【jinrong】(注意命名不能用數字和特殊符號),點擊【確定】。創建完成,勾選數據表,并點擊右上角保存按鈕。
②開始采集
選擇【數據采集】,勾選任務名稱,點擊【開始采集】,則正式開始采集。
③導出數據
④導出的文件打開如下圖所示:
*本教程僅供教學使用,嚴禁用于商業用途!
前嗅簡介
前嗅大數據,國內領先的研發型大數據專家,多年來致力于為大數據技術的研究與開發,自主研發了一整套從數據采集、分析、處理、管理到應用、營銷的大數據產品。前嗅致力于打造國內第一家深度大數據平臺!