? ?最近后臺(tái)有很多童鞋問怎么采集新聞，今天小編以采集新浪新聞為例，來為大家進(jìn)行演示，同樣適用于其他新聞網(wǎng)站的采集，具體操作如下：

?

第一步：新建任務(wù)

①點(diǎn)擊左上角“加號(hào)”新建任務(wù)，如圖1：

?

②在彈窗里填寫采集地址，任務(wù)名稱，如圖2：

③點(diǎn)擊下一步，選擇進(jìn)行數(shù)據(jù)抽取還是鏈接抽取，本次采集當(dāng)前列表頁新聞的正文數(shù)據(jù)，正文數(shù)據(jù)是通過點(diǎn)擊列表鏈接進(jìn)入的，所以本次需要抽取列表鏈接，所以點(diǎn)擊抽取鏈接，如圖3：

?

第二步：通過定位過濾、地址過濾，得到所需鏈接

①按住Ctrl+鼠標(biāo)左鍵，進(jìn)行區(qū)域選擇，按住Shift+鼠標(biāo)左鍵，擴(kuò)大選擇區(qū)域，點(diǎn)擊“確認(rèn)選區(qū)”按鈕，如圖4：

②點(diǎn)擊采集預(yù)覽，在采集預(yù)覽中有于目標(biāo)鏈接相似的其他鏈接，可通過地址過濾得到列表鏈接。找到所需要的列表鏈接，觀察得出所需要的目標(biāo)鏈接都包含“sina.com.cn/+字符串”。使用過濾串“\c”，右擊復(fù)制鏈接，如圖5所示。過濾串規(guī)則說明：\c??表示一串（個(gè)）小寫字母

③勾選地址過濾，過濾規(guī)則選擇包含，填入“sina.com.cn/\c”，得到列表鏈接，如圖6所示。

④點(diǎn)擊采集預(yù)覽確認(rèn)鏈接是否過濾完全，如圖7：

?

第三步：關(guān)聯(lián)模板

在軟件中模板的關(guān)聯(lián)關(guān)系，與網(wǎng)頁中鏈接跳轉(zhuǎn)的關(guān)系相同。根據(jù)網(wǎng)頁跳轉(zhuǎn)規(guī)律，將“鏈接列表”關(guān)聯(lián)模板二“鏈接列表：02”，此處由于我們開始就選擇了創(chuàng)建列表鏈接，所以軟件自動(dòng)關(guān)聯(lián)好了模板二。如果配置的時(shí)候發(fā)現(xiàn)關(guān)聯(lián)有問題，可以自己進(jìn)行更改，如圖8：

?

第四步：填寫模板二示例地址并新建數(shù)據(jù)抽取

①?模板一過濾得到的任意一條鏈接，作為模板二的示例地址。如https://news.sina.com.cn/c/zj/2018-12-25/doc-ihqhqcis0255892.shtml， 見圖9：

②新建數(shù)據(jù)抽取

方法一：通過點(diǎn)擊“下一步”后勾選抽取數(shù)據(jù)，再次點(diǎn)擊“下一步”得到數(shù)據(jù)抽取。

方法二：直接點(diǎn)擊模板二，點(diǎn)擊上面“新建數(shù)據(jù)抽取”按鈕，得到數(shù)據(jù)抽取，重命名為新浪新聞，如圖10：

?

第五步：創(chuàng)建/選擇表單

在ForeSpider爬蟲中，表單是可以復(fù)用的，所以可以在數(shù)據(jù)表單出直接選擇之前建過的表單，也可以通過表單ID來進(jìn)行查找并關(guān)聯(lián)數(shù)據(jù)表單。此處使用的是之前建過的新浪網(wǎng)的表單。

方法一：通過下拉菜單或表單ID選擇已有表單

方法二：點(diǎn)擊創(chuàng)建表單進(jìn)入快速建表頁面，新建表單，如圖11所示：

方法三：點(diǎn)擊“采集配置”-“數(shù)據(jù)建表”，點(diǎn)擊采“采集表單”后面的如圖12：

?

第六步：配置表單

根據(jù)所需內(nèi)容，配置表單字段（即表頭），此處配置了包括網(wǎng)頁主鍵、網(wǎng)頁標(biāo)題、網(wǎng)頁地址、網(wǎng)頁創(chuàng)建時(shí)間、內(nèi)容、發(fā)布來源6個(gè)字段，表單如圖13：

?

第七步：字段取值

取值方法：按住Ctrl+鼠標(biāo)左鍵，進(jìn)行區(qū)域選擇，按住Shift+鼠標(biāo)左鍵，擴(kuò)大選擇區(qū)域。點(diǎn)擊“確認(rèn)選區(qū)”按鈕，確認(rèn)操作。text、from_addr字段，如圖14：

?

第八步：模板預(yù)覽

①鼠標(biāo)右鍵點(diǎn)擊“數(shù)據(jù)抽取”，然后點(diǎn)擊“模板預(yù)覽”，如圖15：

?

②預(yù)覽結(jié)果如圖16：

?

第九步：采集預(yù)覽

①點(diǎn)擊右上角采集預(yù)覽,如圖17：

②雙擊任意一條鏈接，看看是否可以得到和網(wǎng)頁對(duì)應(yīng)的規(guī)整的數(shù)據(jù)，如圖18：

總結(jié)

以上是生活随笔為你收集整理的前嗅ForeSpider教程：采集新浪新闻的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。