前嗅教你大数据：采集孔夫子旧书网

前嗅教你大数据：采集孔夫子旧书网

l 采集网站

【场景描述】采集孔夫子旧书网数据。

【源网站介绍】孔夫子旧书网是国内专业的古旧书交易平台，汇集全国各地13000家网上书店，50000家书摊，展示多达9000万种书籍；大量极具收藏价值的古旧珍本（明清、民国古籍善本，珍品期刊，名人墨迹，民国珍本，绝版书等）在孔网展示与交易，吸引了大量的学者、研究人员和藏书人长时间在线关注并参与。

【使用工具】前嗅ForeSpider数据采集系统，免费下载:

ForeSpider免费版本下载地址

【入口网址】https://book.kongfz.com/Cxianzhuang/cat_8002/

【采集内容】

采集孔夫子旧书网中书籍的标题、作者、价格、介绍详情等基本信息。

【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

抽取翻页链接方法有三种，具体如下所示：

①智能过滤法：

打开前几个翻页链接，观察链接规律，

第二页：文学_线装古籍_孔夫子旧书网

第三页：文学_线装古籍_孔夫子旧书网

第四页：文学_线装古籍_孔夫子旧书网

根据规律输入过滤规则：https://book.kongfz.com/Cxianzhuang/cat_dwd/

（其中d表示数字串）

配置后，点击采集预览，发现翻页链接已经都采集到了。

②方法二：定位取值法按住ctrl+鼠标单击任意一个翻页，然后按住shift+鼠标单击任意一个未选中翻页扩大选区，直至选中所有翻页，然后确认选区后保存。

采集预览，发现所有翻页都被抽取出来了。

③方法三：地址/标题过滤

类似智能过滤，先观察翻页链接规律（步骤可参考方法一），找到规律后，使用地址过滤的方法进行过滤保存，如下图所示：

④关联模板，将翻页链接抽取，关联模板01。

3.抽取列表链接

①新建一个链接抽取，改名为【列表链接】，将翻页链接抽取改名为【翻页链接】。

②使用链接过滤的方法来获取列表链接，先采集预览，打开列表链接预览结果，发现图书的链接规律为：

https://book.kongfz.com/数字串/数字串/

所以设置地址过滤，过滤出包含该规律的链接，如下图所示，其中d表示数字串。

③采集预览查看是否抽取成功。

4.抽取数据

①新建一个抽取模板，在其下新建一个数据抽取，具体 *** 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填写示例数据，采集预览，复制任意一条新闻链接。

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

⑦数据取值

使用定位取值的方法，title字段如下所示：

author字段如下所示：

其他字段也按照同样的方法进行定位取值。

⑧采集预览

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【kongfuzi】（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！

l 前嗅简介

前嗅大数据，国内领先的研发型大数据专家，多年来致力于为大数据技术的研究与开发，自主研发了一整套从数据采集、分析、处理、管理到应用、营销的大数据产品。前嗅致力于打造国内第一家深度大数据平台！