写点什么

【从零开始学爬虫】采集食品行业最新报价数据

作者:前嗅大数据
  • 2023-01-06
    天津
  • 本文字数:1262 字

    阅读完需:约 4 分钟

【从零开始学爬虫】采集食品行业最新报价数据

l 采集网站

【场景描述】采集食品行业最新报价数据。

【源网站介绍】中国报告大厅网休闲食品行业数据频道提供休闲食品行业数据信息,在此有大量休闲食品行业数据信息可供选择,是一个可以帮助休闲食品行业了解数据的平台。

【使用工具】前嗅 ForeSpider 数据采集系统,免费下载:

ForeSpider爬虫软件

l 采集网站

【入口网址】

http://www.chinabgao.com/stat/c_leisure-food/

【采集内容】

采集食品行业的标题、内容,发布时间最新报价基本数据。

【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。

选择【抽取链接】的所有链接,勾选【列表链接】和【普通翻页】,然后点击【完成】。

2.获取标题链接

采用地址过滤的方法来抽取表一链接,具体如下所示:

①观察规律

点击采集预览,先观察标题链接规律,找到规律,很明显标题链接中都包含:http://www.chinabgao.com/jiage/规律的数字.html

②设置地址过滤

过滤含“http://www.chinabgao.com/jiage/\d.html”的链接,\d 表示一串数字,这样就把列表链接过滤出来了。

3.抽取翻页链接

①设置连接过滤

使用链接过滤的方法来获取翻页链接,先采集预览,打开列表链接预览结果,找到翻页链接并观察规律,发现其中都包括:“http://www.chinabgao.com/stat/c_foods/index_页数.html”

②设置地址过滤

过滤包含“http://www.chinabgao.com/stat/c_foods/index_\d.html”的链接,\d 表示一串数字,这样就把翻页链接过滤出来了。

③关联模板

点击【列表链接】抽取,关联模板 02;


点击【普通翻页】抽取,关联模板 01。


4.抽取数据

①新建抽取模板

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数据表关联模板

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,复制任意一条列表链接。

⑤加载链接

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识别标题

选择数据抽取模板,然后如下图所示,识别标题。

⑦识别发布时间

选择数据抽取模板,然后如下图所示,识别发布时间。

⑧识别内容

选择数据抽取模板,然后如下图所示,识别内容。

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】,关联数据表名称自定义,这里命名为【Chinareport】(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!

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】采集食品行业最新报价数据_数据采集_前嗅大数据_InfoQ写作社区