【从零开始学爬虫】采集全国各行业经销商网点数据

l 采集网站

【场景描述】采集全国各行业经销商网点数据，以建材行业为例。

【源网站介绍】买购网 MAIGOO.COM 建材家居频道，专门提供地面材料、墙顶饰材、洁具五金、门窗楼梯、水电电工、外墙材料、照明灯饰、家纺布艺、家具定制等行业，最新品牌、知识文章、网购产品、图片等相关信息，致力于为客户提供简单便捷的信息查询体验。

【使用工具】前嗅 ForeSpider 数据采集系统，免费下载：

http://www.forenose.com/view/commodity/forespider.html

【入口网址】

https://www.maigoo.com/shop/search/?catid=7&shoptypeid=6

【采集内容】

采集字段：经销商名称、地址、电话、代理品牌、简介。

【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

在页面上观察网页结构，发现该页面翻页需要点击加载更多往下翻页，点击 F12，打开开发者工具，继续翻页，发现开发者工具中出现新的请求，找到翻页链接的请求，并复制到出来。

继续翻页，发现开发者工具中出现新的请求，找到翻页链接的请求，再次复制到出来。一下为复制出的两个翻页：

观察发现，翻页链接中有个 page 参数是变化的，且为递增变化，其他都没有变化。来到 ForeSpider，编写脚本如下所示：

采集预览观察生成的链接，是否与网页中复制出来的翻页链接一致，如果一致则继续配置下一步。

3.获取经销商列表链接

①新建模板 02，在其下新建一个链接抽取模板，具体操作如下所示：

②将模板 01 中的链接抽取，关联到模板 02 中去，如下图所示:

③采集预览，如下图所示，观察各省份链接规律，发现链接规律为：https://www.maigoo.com/shop/一串数字.html。

④地址过滤包含：https://www.maigoo.com/shop/\d.html 的链接，其中\d 表示一串数字串，即可把所需要的经销商链接过滤出来。

4.抽取经销商数据

①新建模板 03，在其下新建一个数据抽取模板，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填写示例地址

采集预览，复制任意一条省份的链接。

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

将模板省份链接抽取模板关联模板 03，如下图所示：

⑧数据取值

使用定位取值和数据清洗的方法，com_字段如下所示：

Addr 字段同理，字段如下所示：

Tel 字段需要点击查看联系电话，才可以看到，在浏览器中，鼠标右键打开”查看网页源代码”，在源码中找到了电话，如下所示：

Tel 字段，用脚本从源代码中获取数据，如下所示：

Brand 字段如下所示：

Content 字段，如下图所示：

⑨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【jingxiaoshang】（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！