> ## Documentation Index
> Fetch the complete documentation index at: https://www.bazhuayu.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 【政府网站】采集正文及下载文中附件

**一、采集场景**

打开宝学教育广东考试网其中一篇公告（实例网址：[http://www.gdgwyw.com/html/gdzk/sz/202204/76\_62407.html](http://www.gdgwyw.com/html/gdzk/sz/202204/76_62407.html)），采集正文以及相关附件链接（并且下载）。

<img src="https://mintcdn.com/bazhuayu/Dy2KLqfntx6R1t5h/assets/academy/case-studies/gov-article-and-attachments/01-6909f2a3e4ba2.png?fit=max&auto=format&n=Dy2KLqfntx6R1t5h&q=85&s=13eddb11a351343349f810bc1ec8ebc3" alt="【政府网站】采集正文及下载文中附件" width="1040" height="943" data-path="assets/academy/case-studies/gov-article-and-attachments/01-6909f2a3e4ba2.png" />

 

<img src="https://mintcdn.com/bazhuayu/Dy2KLqfntx6R1t5h/assets/academy/case-studies/gov-article-and-attachments/02-6909f6e05431e.png?fit=max&auto=format&n=Dy2KLqfntx6R1t5h&q=85&s=307eb61fef7e349412c28476f745ae6d" alt="【政府网站】采集正文及下载文中附件" width="1036" height="138" data-path="assets/academy/case-studies/gov-article-and-attachments/02-6909f6e05431e.png" />

 

**二、采集字段**

①标题，②文本，③附件链接，附件链接\_保存位置。

 

**三、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：

 

<img src="https://mintcdn.com/bazhuayu/Dy2KLqfntx6R1t5h/assets/academy/case-studies/gov-article-and-attachments/03-6909f2a48f293.png?fit=max&auto=format&n=Dy2KLqfntx6R1t5h&q=85&s=2b87390758ddf15aad6a8d2fbc5d39d4" alt="【政府网站】采集正文及下载文中附件" width="1855" height="182" data-path="assets/academy/case-studies/gov-article-and-attachments/03-6909f2a48f293.png" />

 

下载文件示例：

 

<img src="https://mintcdn.com/bazhuayu/Dy2KLqfntx6R1t5h/assets/academy/case-studies/gov-article-and-attachments/04-6909f2a3db306.png?fit=max&auto=format&n=Dy2KLqfntx6R1t5h&q=85&s=11d7fcfea57f58acf16f8b56c077fc3f" alt="【政府网站】采集正文及下载文中附件" width="638" height="127" data-path="assets/academy/case-studies/gov-article-and-attachments/04-6909f2a3db306.png" />

 

**四、教程说明**

本篇制作时间：2025/11/14 八爪鱼版本：V8.7.7

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。

 

###

**五、采集步骤**

 

步骤一、打开网页

步骤二、提取标题与正文

步骤三、确定附件xpath，采集并下载

步骤四、字段格式化处理（设置多个URL分开下载）

步骤五、启动采集与下载

 

 

**以下为具体步骤：**

 

#### 步骤一、打开网页

1、打开网址

在首页输入框中，输入网址[http://www.gdgwyw.com/html/gdzk/sz/202204/76\_62407.html](http://www.gdgwyw.com/html/gdzk/sz/202204/76_62407.html)，然后点击【开始采集】，八爪鱼自动打开网页,网站会自动跳到登录页面

 

<video controls src="http://1251101074.vod2.myqcloud.com/fbbb38d8vodcq1251101074/538b92de5145403704490093825/TrHxrafqvVcA.mp4" width="100%" />

 

> 特别说明：
>
> * a. 打开网页后，如果开始开始【自动识别】，请等待自动识别完成。八爪鱼支持自动识别网页上的列表、滚动和翻页，识别成功后直接启动采集即可获取数据。如果【自动识别】的结果不是我们需要的，可点击【取消】关闭智能识别，自行配置采集流程。详情点击查看 【[自动识别](/docs/zh/academy/basic-collection/beginner/custom-collection)】

 

如需批量打开多个详情页链接进行采集可参考视频操作，如不需要可跳过该步骤。

 

<video controls src="http://1251101074.vod2.myqcloud.com/8cc84bf5vodgzp1251101074/e7078c535145403704495886669/QRX353bGI9AA.mp4" width="100%" />

 

> 说明：
>
> 循环打开网址可参考教程：[URL循环：批量采集同类网页](/docs/zh/academy/basic-collection/bulk-input/url-loop-similar-pages)

 

***

###

#### 步骤二、提取标题与正文

 

1、点击标题、正文

① 选中标题与正文

② 在黄色操作提示框中，选择【元素中数据内容】

 

<video controls src="http://1251101074.vod2.myqcloud.com/fbbb38d8vodcq1251101074/3414f5485145403704496898501/5GgCBZnEE54A.mp4" width="100%" />

 

> 特别说明：
>
> * a. 本教程主要展示附件下载，所以正文处没有规范字段，具体规范请结合[xpath过滤](https://www.bazhuayu.com/helpcenter/docs/OPbWHC?search=1)和[合并同一字段](/docs/zh/academy/advanced-features/data-processing/field-merge)处理。

 

***

 

#### 步骤三、确定附件xpath，采集并下载

 

1、新增循环流程

① 添加流程-循环

② 选择循环，修改循环方式为“不固定元素列表”

③ 输入定位附件的xpath： //div\[@id="Zoom"]//a\[contains(@href,"http")]

 

<video controls src="http://1251101074.vod2.myqcloud.com/fbbb38d8vodcq1251101074/72d699db5145403704497262133/lbp7aSxdu74A.mp4" width="100%" />

 

> 特别说明：
>
> * a. xpath定位原则就是准确且不同网址可复制定位，具体思路是先在网页定位所需元素，找相应有代表性的父标签以及其独特属性。具体指南：[xpath基础学习](https://www.bazhuayu.com/helpcenter/docs/V2h1Ec)
>
> * b.应用完配置之后，可以点到流程空白处，再点击循环，即可看到其xpath定位到的具体列表。

 

2、设置采集附件链接与确定下载路径

①在循环流程中添加-提取数据

②设置添加页面元素

③设置拼接循环项xpath

④更改字段抓取方式为“链接地址”

⑤右击字段1，选择下载文件，生成下载路径

 

<video controls src="http://1251101074.vod2.myqcloud.com/8cc84bf5vodgzp1251101074/4f31e0865145403704493956237/ezPx29Zcmz8A.mp4" width="100%" />

 

> 特别说明：
>
> * a.设置提取数据直接拼接循环项目的是什么？主要是循环项已经是标准的附件定位xpath，不需要再写相对xpath拼接。具体相对/绝对xpath解析：[绝对xpath、相对XPath学习](https://www.bazhuayu.com/helpcenter/docs/bs4o6e)

 

 

 

#### 步骤四、字段格式化处理（设置多个URL分开下载）

1、调整字段位置并完善字段名称

①更改“提取数据-字段1”为“标题”

②更改“字段2”为“正文”

③更改“提取数据2-字段1”为“附件链接”

④路径名自动变化

<img src="https://mintcdn.com/bazhuayu/Dy2KLqfntx6R1t5h/assets/academy/case-studies/gov-article-and-attachments/05-6909f2a3ef56b.png?fit=max&auto=format&n=Dy2KLqfntx6R1t5h&q=85&s=e5bb5c7ee39209c66f10e3b98bb4f8c0" alt="【政府网站】采集正文及下载文中附件" width="1855" height="961" data-path="assets/academy/case-studies/gov-article-and-attachments/05-6909f2a3ef56b.png" />

 

> 特别说明：
>
> * a.由于给“提取数据1-字段1设置过下载文件选项，则更改相关的字段名称，后面下载路径名称自己会变。

 

2、附件链接修改下载设置

①右击字段，点击“同一字段多行合并”

②点击字段下载设置，开启下载包含多个URL

 

<video controls src="http://1251101074.vod2.myqcloud.com/fbbb38d8vodcq1251101074/fd9e70275145403704492764944/qEuHtmUuUuIA.mp4" width="100%" />

 

> 特别说明：
>
> * a. 由于此前我们一个网址只采集了标题和正文（并非循环），遇到网页多附件时，循环采集附件会导致正文和标题字段重复显示，为后续数据处理造成难度（尤其是多网址循环时），现在通过合并字段解决非附件重复问题：[合并同一字段](/docs/zh/academy/advanced-features/data-processing/field-merge)。
>
> * b.由于字段合并，所以文件链接多条无法下载，这时开启包含多个URL（当字段单元格内容包含多个文件下载URL链接时，需要把链接分隔符设置一致否则链接拆分出错会导致下载失败。同时对应的“文件位置“字段内容也会同步使用相应的分隔符划分），同时合并字段就是换行符连接字段，这里不用更改<img src="https://mintcdn.com/bazhuayu/Dy2KLqfntx6R1t5h/assets/academy/case-studies/gov-article-and-attachments/06-6909f2a3d983b.png?fit=max&auto=format&n=Dy2KLqfntx6R1t5h&q=85&s=ad828eb51e557bfc5dbb3d6740dea7fe" alt="【政府网站】采集正文及下载文中附件" width="179" height="32" data-path="assets/academy/case-studies/gov-article-and-attachments/06-6909f2a3d983b.png" />。

 

***

 

#### 步骤五、启动采集与下载

 

1、单击【采集】并【启动本地采集】。涉及到数据下载会跳出窗口确认是否下载。

 

<video controls src="http://1251101074.vod2.myqcloud.com/8cc84bf5vodgzp1251101074/4d11f9ca5145403704493884646/qPnwDzsA2awA.mp4" width="100%" />

 

> 特别说明：
>
> * a. 【本地采集】是使用自己的电脑进行采集，【云采集】是使用八爪鱼提供的云服务器采集，点击查看 [本地采集与云采集详解](https://www.bazhuayu.com/helpcenter/docs/2xF5Mz)，文件下载不支持云采集。

 

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。

<img src="https://mintcdn.com/bazhuayu/Dy2KLqfntx6R1t5h/assets/academy/case-studies/gov-article-and-attachments/07-6909f2d3dc178.png?fit=max&auto=format&n=Dy2KLqfntx6R1t5h&q=85&s=245dd87b683b6f03237cdc26f161c089" alt="【政府网站】采集正文及下载文中附件" width="598" height="482" data-path="assets/academy/case-studies/gov-article-and-attachments/07-6909f2d3dc178.png" />

 

 

3、查看下载路径中文件下载情况。

 

<video controls src="http://1251101074.vod2.myqcloud.com/fbbb38d8vodcq1251101074/bff3eebc5145403704498280124/iBD0YrhaaBoA.mp4" width="100%" />

 

 

 

 

 

 

作者：YfY