采集场景

进入中国银行保险监督管理委员会【新闻资讯】版块下的【监管动态】栏目 http://www.cbirc.gov.cn/cn/view/pages/ItemList.html?itemPId=914&itemId=915&itemUrl=ItemListRightList.html&itemName=%E7%9B%91%E7%AE%A1%E5%8A%A8%E6%80%81  ，进入每条监管动态详情，采集其详情页信息。

 

采集字段

当前位置、标题、标题链接、发布时间、来源、正文、当前采集时间。

 

点击查看高清大图，下文其他图片同理  

 

采集结果

采集结果可导出为Excel、CSV、HTML、数据库等多种格式。导出为Excel示例：

 

 

教程说明

本篇制作时间：2022/6/19  八爪鱼版本：V8.5.2

如果因网页改版造成网址或步骤无效，无法收集到目标数据，请联系官方客服，我们将及时修正。

 

采集步骤

步骤一：打开网页

步骤二、创建【循环点击】，进入每个动态详情页

步骤三、提取详情页中的文本字段

步骤四、编辑字段

步骤五、创建【循环翻页】，采集多页数据

步骤六、启动采集

 

 

以下为具体步骤：

 

步骤一、打开网页

 

在首页【输入框】中输入目标网址  http://www.cbirc.gov.cn/cn/view/pages/ItemList.html?itemPId=914&itemId=915&itemUrl=ItemListRightList.html&itemName=%E7%9B%91%E7%AE%A1%E5%8A%A8%E6%80%81，点击【开始采集】，八爪鱼自动打开网页。

 

 

步骤二、建立【循环-点击元素】，进入每条监管动态的详情页

 

1、建立【循环-点击元素】，进入每条监管动态的详情页

 

通过以下3步，实现循环点击每个链接，进入详情页：

① 选中页面上第1条监管动态链接（注意一定要选中链接）

② 点击【循环点击每个链接】，进入第1条监管动态的详情页

 

 

2、修改【循环-点击元素】Xpath

为了精准定位到所有的监管动态链接，需修改一下【循环翻页】的XPath。
进入【循环翻页】设置页面，选择【循环方式】为【不固定元素列表】，修改XPath为：//span[@class="title"]/a，然后点击【应用】保存。

改完后，再次点击【点击元素】步骤，进入问题详情页。

 

 

步骤三、提取详情页中的文本字段

 

进入详情页后，选中页面中的文本，然后在操作提示框中，点击【采集该元素文本】。

文本类字段都可以按照这样的方式提取。示例中我们提取了当前位置、发布时间、来源、标题、正文等字段。

 

步骤四、编辑字段

 

1、编辑字段

在【当前页面数据预览】页面，可删除、增加多余字段，修改字段名，移动字段顺序等。

 

2、修改字段XPath

针对【正文】这个字段，默认生成的字段XPath，无法精准定位到所有监管动态的正文内容，需手动修改。

进入【提取列表数据】步骤设置页面，修改正文XPath为：//div[@class="Section0"] 

 

3、格式化字段

格式化数据，对【当前位置】、【发布时间】和【来源】字段进行格式化数据，去除多余内容。

具体步骤如下图所示：

 

步骤五、创建循环翻页

 

1、创建循环翻页

如果只是采集一页数据，可跳过此步骤。

 

如果需要翻页以采集多页数据：

① 先点击流程中的【循环列表】步骤，以回到列表页（如果已在列表页可直接继续操作）

② 再选择页面中的【下一页】按钮，在操作提示上单击【循环点击下一页】，创建【循环翻页】。

 

2、设置执行前等待时间

① 进入【循环翻页1】设置页面，设置【执行前等待】3s

② 进入【点击翻页1】设置页面，设置【执行前等待】3s和【Ajax超时】7s

 

步骤六、启动采集

 

1、单击【采集】并【启动本地采集】。启动后八爪鱼开始自动采集数据。

 

 

2、采集完成后，选择合适的导出方式来导出数据。支持导出为Excel，CSV，HTML，数据库等。这里导出为Excel。数据示例：

 

 

 作者：Fan

 编辑：Aisling