自动采集器怎么用(页面模式分为列表模式和单条模式的操作方法介绍)

　　自动采集器怎么用(页面模式分为列表模式和单条模式的操作方法介绍)

　　页面模式分为列表模式和单一模式，也就是我们在采集页面时提取页面信息的方式。

　　创建任务时，首页默认为列表模式，深入采集的页面默认为单人模式。当然也可以修改页面模式，如下图：

　　列表模式

　　当我们采集页面时，页面上的数据是分片出现的，我们可能需要采集多条数据，所以我们一般采用列表的方式来抓取页面上的所有数据条目。在列表模式操作中，我们会自动分析页面，达到预测页面的目的。下面将详细介绍具体情况。

　　选择

　　在列表模式的菜单中，我们可以看到【选择】选项。该选项为占位符操作，即点击此菜单后，我们不对页面进行任何操作，不会自动分析页面，只是选择当前页面模式选择为列表模式，比如指定一个列表等等，都需要手动完成。

　　自动识别

　　页面内容的自动识别主要针对列表模式的情况。通过该算法，可以识别出可能是列表的数据，提取出字段。自动识别不能完全识别所有的列表和数据。这时，我们需要手动进行设置。

　　注意：自动识别会删除所有当前设置的字段，并自动生成新的字段。生成新字段后，无法恢复原来的字段设置。

　　选择页面列表

　　通过选择您认为是列表的两个元素来手动选择列表，如下图所示：

　　在第一个列表中选择一个元素后，在第二个列表中进行元素选择：

　　全部完成后，程序会选择两次元素，比较两个列表中的元素，计算列表，然后自动分析字段，如下图：

　　注意：选择列表后，也会进行自动分析，原来的字段会被清空，清空后无法恢复

　　编辑 XPath

　　一般情况下，自动识别和手动选择列表都可以完成你的列表选择，但在特殊情况下，无法完美获取列表。这时候我们就需要手动操作了。这里我们举个例子。

　　和讯滚动新闻

　　我们用Chrome浏览器打开这个网站，如下图：

　　我们要采集红框中的内容。首先，我们创建一个任务并自动分析收据，如下图：

　　通过上图我们发现自动识别根本无法识别，为什么自动识别不能完成识别呢？图片中的多条数据明显是条状呈现的。实际上，自动识别是通过比较相似的项目来完成的。如果同时有多个相似项目或者不能完全分类，则无法判断自动识别，所以没有识别到​​数据。

　　由于自动识别不起作用，我们来看看手动选择列表，如下图：

　　在手动选择列表中，我们看到虽然获取了内容，但只是所有列表的一部分，无法完整获取所有数据。这不是我们想要的结果。我们应该做什么？此时，[Edit XPath] 菜单开始发挥作用。

　　首先，我们通过Chrome的开发者工具来分析一下这个网站，看看为什么我们无法获取到数据：

　　通过上面两张图的对比发现，所有的信息块都是通过嵌套实现的，根本无法区分每条信息。但是我们可以看到的一点是，所有的信息都收录在一个大的 Ul 标签中，而每一条信息都收录在 Ul 标签下的 li 中。知道了这一点，我们先尝试获取Ul标签的XPath，如下图：

　　通过Chrome的开发工具，我们得到了ul的XPath //*[@id=”immeList”]/ul

　　注意：Chrome开发者工具获取的XPath路径可能并不完全适合采集器使用，特殊情况会有所不同，因为智网采集器使用的是Gecko核心浏览器，有一些 网站 将是特定于浏览器的，并且所有生成的路径都会不同。

　　既然我们得到了新闻列表所在block的XPath数据，那么我们如何得到每个数据所在的具体block呢？

　　我们继续观察上面两张图，可以发现每个条目的数据都收录在 li 标签中，那么是否可以通过 li 来标记区块数据呢？让我们尝试一下并填写[Edit XPath]。li 的 XPath 用作列表，如下所示：

　　保存后会根据输入的XPath自动分析，结果如下：

　　看到上图显示的内容正是我们想要的列表结果，数据也是我们想要的数据，所以我们基本完成了这个网站的采集脚本任务，接下来-up 直接是采集数据没了，这里就不介绍了。

　　每页的最大 采集 条目数

　　此选项指定列表模式下页面中 采集 条目的数量。为什么需要设置这个选项？因为有些内容每天有固定的更新次数，其实不用采集再去，只要采集之前的固定次数就够了，所以我们设置< @采集 entry 可以达到这个要求。

　　单模

　　单挑模式选择后不会自动分析。主要目的是被 采集 页面上的一条数据使用。从列表模式切换到单项模式后，原创数据会被清除，所以要注意这一点。

　　设置单一模式后，需要操作【添加字段】-【选择元素】。如何使用该字段将在后面的教程中详细介绍，这里不再过多解释。