前嗅ForeSpider教程：抽取数据

今天，小编为你们带来的教程是：如何在前嗅ForeSpider中抽取数据。主要内容包括：如何选择表单，如何采集列表/表格数据两大部分。具体内容以下：

一，如何选择表单

在ForeSpider爬虫中，表单是能够复用的表结构，建好的表单能够重复用于多个任务。

【数据表选择页】

1.选择表单

方法一：经过下拉菜单，或填写表单ID，选择已有表单。

方法二：快速建表，点击建立表单，进入快速建表页面，新建表单。（>>详见快速建表）

方法三：自由建表，点击“采集配置”-“数据建表”，点击采“采集表单”后面的。（>>详见自由建表）

【数据建表页】

2.数据存储方式

指的是数据采集时，在数据库里的存储方式。

①插入：默认为插入。如遇到数据库中已存在的重复数据，则再也不插入。

②仅更新：如遇到数据库中已存在的重复数据，则用最新采集的数据覆盖掉。

③追加：如字段的属性是运算字段，则能够进行字段运算。

④插入并更新：没有重复的记录则插入，有重复记录则更新。

二，如何采集列表/表格数据

识别列表用于存储表格/列表的数据，将表格/列表的不一样列对应存入不一样字段，表格/列表的不一样行分别存储为数据表的多条记录。之前嗅官网Web服务器（http://www.forenose.com/pannel/prod/server_cen.html） 为例。

1.建立表单

根据表格内容，建立一个存储表格数据的表单。在选项卡“数据建表”中，建立一个表单。（>>自由建表）

【识别列表的表结构】

（1）主键

采集表格时，表格的一行做为一条数据。因为整个表格属于同一个网页文档，而文档主键只有一个，所以不能像采集其余内容同样，取值类型选择“网页主键”。

表格的主键的变量类型，根据表格的行数长度，选择“Integer”或者“Long”。取值类型选择“空”。字段属性选择“主键字段”和“自动字段”（选择主键字段后，软件会自动选择“键值惟一”和“索引字段”。）

【主键字段的配置】

（2）其余字段

其余字段的变量类型选择“string”，取值类型选择“选区内所有文本”。（>>字段参数）

【其余字段的配置】

2.建立数据抽取

为数据抽取选择表单

【选择表单】

3.识别多值

点击“默认数据抽取”节点，按Ctrl点击任意某个单元格，按Shift再次点击扩大区域范围。

【定位表格】

点击“识别多值”，选区扩大到整个表格。点击“确认选区”。

【确认多值】

4.字段取值

主键字段不须要配置。存储表格内容的字段须要一一取值。（方法一：标准定位/方法二：特征定位）

点击数据抽取的字段，为其一一配置表格不一样列的数据。点击相应字段，按Ctrl点击第一列的任意单元格，点击“保存”。

【多值字段取值】