點(diǎn)擊關(guān)注▲火車采集器
導(dǎo)讀：每周一數(shù)活動(dòng)是小采贈(zèng)送給所有商業(yè)版本用戶的一個(gè)福利，每周都會(huì)篩選用戶需求選擇網(wǎng)站進(jìn)行爬取數(shù)據(jù)，并會(huì)附帶采集規(guī)則，讓用戶舉一反三，在更多場(chǎng)景中更好的使用小采。領(lǐng)取范圍：火車采集器、火車瀏覽器、觸控精靈三款軟件的商業(yè)用戶，軟件需在服務(wù)期限內(nèi)。領(lǐng)取規(guī)則：添加文章內(nèi)火車運(yùn)營(yíng)微信后，將會(huì)被拉入“每周一數(shù)福利群”，加群后私聊 客服·雅 就可。領(lǐng)取內(nèi)容：網(wǎng)站旅游文章數(shù)據(jù)以及采集規(guī)則，如下圖
在網(wǎng)站進(jìn)行注冊(cè)，注冊(cè)好賬號(hào)直接登錄即可。采集字段： 城市、標(biāo)題、內(nèi)容（前兩頁(yè)樓主發(fā)布的內(nèi)容）點(diǎn)擊下一頁(yè)地址，可以發(fā)現(xiàn)變化的只有最后一個(gè)數(shù)字，所以分頁(yè)設(shè)置可以使用批量網(wǎng)址功能按Ctrl+U查看源碼，城市和標(biāo)題可以在列表頁(yè)標(biāo)簽采集因?yàn)樘酉旅孢€有其他網(wǎng)友的回答，為了方便只采集作者發(fā)布的內(nèi)容，我們可以點(diǎn)擊只看作者這個(gè)的鏈接我們?cè)诙?jí)列表里采集，只看該作者的鏈接提取第一個(gè)就可以，可以在寫提取規(guī)則時(shí)多寫一部分來(lái)讓它只能匹配到一個(gè)，如下圖所示5、接下來(lái)，進(jìn)入內(nèi)容頁(yè)采集列表頁(yè)設(shè)置的城市標(biāo)簽 內(nèi)容沒(méi)做處理，會(huì)采集到a標(biāo)簽，這里在數(shù)據(jù)處理里將標(biāo)簽過(guò)濾這里需要采集前兩頁(yè)的內(nèi)容，需要設(shè)置內(nèi)容分頁(yè)，也是從源碼中查看分頁(yè)地址
因?yàn)橹徊杉皟身?yè)內(nèi)容，所以需要設(shè)置下，點(diǎn)擊內(nèi)容分頁(yè)設(shè)置下面的其他設(shè)置，可以修改采集的內(nèi)容分頁(yè)數(shù)量內(nèi)容頁(yè)提取規(guī)則，這里我們選擇的是使用 xpath 提?。P(guān)于xpath的寫法，大家百度下就可以找到），數(shù)據(jù)來(lái)源記得要改成從默認(rèn)頁(yè)和內(nèi)容分頁(yè)源碼中獲取然后使用數(shù)據(jù)處理功能清洗數(shù)據(jù)，將一些不需要的內(nèi)容刪除，內(nèi)容里圖片可以點(diǎn)擊下面的文件下載，如圖設(shè)置，即可將圖片下載到本地，由于網(wǎng)址中圖片太多，本次實(shí)際沒(méi)有勾選下載6、最后我們將采集的數(shù)據(jù)導(dǎo)出到本地HTML文件里，可以根據(jù)需要修改模板文件
本次每周一數(shù)贈(zèng)送的依然是數(shù)據(jù)+采集規(guī)則，僅限火車軟件的商業(yè)版本用戶哦！領(lǐng)取時(shí)間：2019年11月14 日發(fā)文后5個(gè)工作日內(nèi)（節(jié)假日除外）領(lǐng)取方式：掃碼加運(yùn)營(yíng)微信，運(yùn)營(yíng)會(huì)拉您進(jìn)每周一數(shù)群，群內(nèi)加：【火車數(shù)據(jù)咨詢客服.雅】，經(jīng)驗(yàn)證為商業(yè)用戶后，即可領(lǐng)取。
