写点什么

【从零开始学爬虫】采集同花顺基金评论数据

作者:前嗅大数据
  • 2022-11-16
    天津
  • 本文字数:1408 字

    阅读完需:约 5 分钟

【从零开始学爬虫】采集同花顺基金评论数据

l 采集网站

​【场景描述】采集同花顺基金评论模块数据。

【源网站介绍】同花顺全方位提供财经资讯及全球金融市场行情,覆盖股票、基金、期货、外汇、债券、银行、黄金等多种面向个人和企业的服务。

【使用工具】前嗅 ForeSpider 数据采集系统,免费下载:

ForeSpider免费版本下载地址

【入口网址】

http://fund.10jqka.com.cn/jjpl_list/

【采集内容】

采集同花顺基金评论模块数据,采集字段:标题、发布时间、来源、正文内容、网址。

 

【采集效果】如下图所示:

 

l 思路分析

配置思路概览:

l 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

采用链接过滤的方法来抽取翻页链接,具体如下所示:①先观察翻页链接规律,找到规律,很明显翻页链接中都包含:http://fund.10jqka.com.cn/jjpl_list/index_

 

②设置地址过滤,过滤包含“http://fund.10jqka.com.cn/jjpl_list/index_”的链接,这样就把翻页链接过滤出来了。

 

③关联模板,将翻页链接抽取,关联模板 01。

 

3.抽取列表链接

①新建一个链接抽取,改名为【列表链接】,将翻页链接抽取改名为【翻页链接】。

 

②使用链接过滤的方法来获取列表链接,先采集预览,打开列表链接预览结果,找到帖子链接并观察规律,发现其中都包括:“http://fund.10jqka.com.cn/”+一串数字

 

③设置地址过滤,过滤包含“http://fund.10jqka.com.cn/+\d”的链接,这样就把翻页链接过滤出来了。其中\d 表示数字串。

 

 

4.抽取数据

①新建一个抽取模板,在其下新建一个数据抽取,具体操作如下所示:

 

 

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填写示例数据,采集预览,复制任意一条影评链接。

 

⑤将链接粘贴到本模板示例地址中,并双击内置浏览器空白部分,加载本链接。

 

⑥关联模板

 

⑦数据取值

使用定位取值的方法,title 字段如下所示:

 

Pubtime 字段如下所示:

 

Aithor 字段如下所示:

 

 

Text 字段如下所示:

 

 

⑧采集预览

采集预览如下图所示,说明配置成功,可以开始采集。如果有哪个字段或者数据没有出来,再次检查之前配置,正确配置模板。

 

l 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【tonghuashun】(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

采集结束后,可以在【数据浏览】中,选择数据表查看采集数据,并可以导出数据。

 


 

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! 

 

历史教程:

采集事业单位最新招聘信息 

采集亚马逊商品信息 

采集全国航班信息 

采集房天下二手房信息 

采集微信公众号文章 

采集企业信息 

采集知乎问答

采集京东商品信息 

采集西瓜直播视频 

采集易贝网(ebay)商品信息 

采集当当网图书商品信息 

通过新浪财经采集上市公司高管信息 

采集B站UP主数据 

采集人民日报新闻数据 

采集前程无忧招聘数据

采集天堂图片网图片数据 

采集招标网的招标数据 

采集腾讯新闻数据 

一文学会批量翻译 

采集汽车之家论坛数据

发布于: 刚刚阅读数: 4
用户头像

还未添加个人签名 2020-11-06 加入

前嗅大数据,企业级大数据供应商。www.forenose.com

评论

发布
暂无评论
【从零开始学爬虫】采集同花顺基金评论数据_数据采集_前嗅大数据_InfoQ写作社区