关联多页 当采集的信息不在当前默认页,而在当前默认页某一个链接的所在页时,此时就要用到多页管理了, 多页管理界面如下: 来获取获取它的公司介绍和联系方式页面的联系方式信息。 公司介绍在网址http://kimi201406.1688.com/page/creditdetail.htm里获取,而联系方式信息在网址http://kimi201406.1688.com/page/contactinfo.htm里获取。所以我们需要借助多页功能来实现。 前者叫默认页地址,后者叫做多页地址。 流程:点击①创建多页,进行②多页设置,然后在数据来源③选择多页调用,最后根据多页源代码设置提取方式。 下面重点讲解②,多页地址获取方式: a.页面地址替换 b.源码中截取 a.页面地址替换:也就是默认页和多页地址有相同的地方,通过简单的替换就可以变成多页地址。 b.源码中截取:也就是多页的地址在默认页的页面源代码里面。 下面就上述网址来说明下这两种方式如何获取多页。 a.页面地址替换 比较默认页“http://kimi201406.1688.com/page/creditdetail.htm”和多页地址:“http://kimi201406.1688.com/page/contactinfo.htm”之间的共同点,默认页“creditdetail.htm”替换为“contactinfo.htm”就是我们的多页地址了。 设置: 正则表达式中(。*)为任意通配符。 $1,$2…$数字来按照顺序对应上面(。*)表示的部分。 若要对多页源码部分区域做限定,可在指定多页源码区域设置。 若留空则默认返回多页整个源代码。 设置好以后,点击测试查看结果。 b.源码中截取 可以看到默认页源码中有多页地址 所以设置如下: 保存即可。 最后设置数据来源和提取方式, 注:如需要多级多页,则在多页地址获取方式:选择需要的多页即可 |
正在阅读:火车采集器关联多页采集设置火车采集器关联多页采集设置
2019-04-22 09:41
出处:其他
责任编辑:gushunjun1