l 采集网站
【场景描述】 采集全国高校研究生导师数据。
【源网站介绍】考研派涵盖各大院校研招信息、研究生专业库、考研经验、考研资料、考研辅导、考研问答、找研友、考研论坛等功能板块。
【使用工具】前嗅ForeSpider数据采集系统，免费下载： www.forenose.com/view/foresp…
【入口网址】
【采集内容】
采集考研派上的全国所有高校研究生导师数据。
【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
采用链接过滤的方法来抽取城市链接，具体如下所示：
①点击采集预览，先观察城市链接规律，找到规律，很明显城市链接中都包含：www.okaoyan.com/daoshiku/li…_
②设置地址过滤，过滤包含“www.okaoyan.com/daoshiku/li…
3.抽取高校链接
①在模板01下再新建一个链接抽取，改名为【高校链接】。
②关联模板，将翻页链接抽取，关联模板01。
③使用链接过滤的方法来获取高校链接
先采集预览，打开高校链接预览结果，找到高校链接并观察规律，发现其中都包括：“www.okaoyan.com/daoshiku/一串…
③设置地址过滤，过滤包含“www.okaoyan.com/daoshiku/\d…
4.抽取导师链接
①新建模板02，在其下新建一个数据抽取模板，改名为：导师链接，具体操作如下所示：
②关联模板
把模板01中的高校链接，关联至模板02，具体操作如下所示：
③采集预览，如下图所示，观察导师链接规律，发现导师链接中都包含“www.okaoyan.com/一串字母/一串字母_一…
④设置地址过滤，过滤包含“www.okaoyan.com/\c/\c_\d.ht…
5.抽取导师数据
①新建模板03，在模板03下新建一个数据抽取。
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填写示例地址
采集预览，复制任意一条导师链接。
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
将模板导师链接抽取模板关联模板03，如下图所示：
⑦数据取值
使用定位取值和数据清洗的方法，college字段如下所示：
Name_字段如下所示：
text字段如下所示：
tel字段如下所示，挖掘手机号码规则为： {#n:[11,11]}
email字段如下所示，挖掘邮箱规则为： {#(ncC_-):(2,32)}@{#(ncC):[1,16]}.{#(ncC):[1,16]}<.{#(ncC):[1,16]}><.{#(ncC):[1,16]}>
**
**
⑧采集预览
采集预览如下图所示，说明配置成功，可以开始采集。如果有哪个字段或者数据没有出来，再次检查之前配置，正确配置模板。
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【daoshiku】（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！
