【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:
【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：
版权声明: 本文为 InfoQ 作者【前嗅大数据】的原创文章。
原文链接:【http://xie.infoq.cn/article/55595de519d375804d899c0ea】。文章转载请联系作者。
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