内容采集(本文介绍使用优采云采集*敏*感*词*帖子内容的方法 )

　　内容采集(本文介绍使用优采云采集*敏*感*词*帖子内容的方法

)

　　本文介绍如何使用优采云采集*敏*感*词*发帖内容。

　　这只是其中一篇文章的示例：

　　旅游某帖贴吧（【集中帖】2018年1、2月，请进来注册

　　)

　　采集内容包括：贴吧发帖内容，贴吧用户昵称

　　使用功能点：

　　l创建循环页面

　　l修改 Xpath

　　第一步：创建*敏*感*词*发布内容采集任务1）进入主界面，选择“自定义采集”

　　2）将想要的采集的网站URL复制粘贴到输入框中，点击“保存URL”

　　第 2 步：创建循环页面

　　1）网页打开后，将鼠标拉到底部，选择下一页，在提示框中选择“循环点击下一页”

　　2)鼠标选中帖子的回复，在右侧提示框中选择“全选”

　　2）如果要采集贴吧的其他信息，也可以选择，这里是贴吧昵称，贴吧昵称。

　　然后选择“采集Data”删除不需要的字段。

　　第 3 步：修改 XPATH

　　1）保存后采集发现有些帖子内容不正确采集，需要修改XPATH，打开右上角的进程按钮

　　2）点击循环选项，“循环模式”选择“未固定元素列表”，“未固定元素列表”填写XPATH://div[@class="l_post j_l_post l_post_bright "]。

　　2)点击“提取数据”修改贴吧发布内容XPATH。选择帖子内容字段，点击“自定义数据字段”->“自定义元素定位”，设置：

　　元素匹配 XPATH：

　　//div[@class="l_post j_l_post l_post_bright "]//div[@class="d_post_content j_d_post_content clearfix"]

　　相对 XPATH：

　　//div[@class="d_post_content j_d_post_content clearfix"]

　　选择帖子内容字段

　　自定义数据字段位置

　　发布内容字段数据提取xpath设置

　　3)修改贴吧用户昵称XPATH。选择贴吧用户昵称字段，点击“自定义数据字段”->“自定义元素定位”，设置：

　　元素匹配 XPATH：

　　//div[@class="l_post j_l_post l_post_bright "]//li[@class="d_name"]/a

　　相对 XPATH：

　　//li[@class="d_name"]/a

　　选择贴吧用户昵称字段

　　第五步：*敏*感*词*发布内容数据采集并导出

　　1）打开进程按钮，修改采集字段名，点击“保存并开始采集”

　　启动本地采集

　　设置完成后会弹出提示，选择“导出数据”，选择“合适的导出方式”，导出采集好的数据。这里我们选择excel作为导出格式，一个完整的*敏*感*词*帖子内容为采集好了，数据导出如下图