连续操作: 自动选择下拉菜单采集数据-以HowNet为例

　　注意: 从GooSeeker采集器的V9.0.2版本开始，采集器术语“主题”已更改为“任务”. 在采集器浏览器中，首先命名任务，然后创建规则，然后登录到Jisuke官方网站的成员中心. 在“任务管理”中，您可以查看任务采集和执行，管理线程URL以及进行计划设置.

　　I. 操作步骤

　　以CNKI期刊为例，显示连续动作中的选择动作和爬虫路径中的翻页的组合. 本教程要实现的是首先搜索2016年出版的期刊，然后采集搜索结果. 该过程如下图所示:

　　为了实现这一点，需要建立两个级别的规则. 第一层规则通过连续的操作自动选择出版年份，第二层规则负责采集期刊内容和翻页. 步骤如下:

　　两个，案例规则+操作步骤

　　第一步: 定义捕获内容的第一级规则

　　1.1，加载页面

　　打开Jishouke Web采集器，输入要采集的样本的URL，然后按Enter. 看到浏览器加载网页后，单击右上角的“定义规则”.

　　注意: 此处的屏幕快照和文字描述均为Jishouke Web采集器的所有版本. 如果要安装Firefox插件版本，则没有“定义规则”按钮，但是您应该运行MS.

　　1.2，输入主题名称

　　在工作台的“主题名称”中输入一级规则的主题名称，然后单击“检查重复项”，将提示“可以使用该名称”，您可以继续，否则请重命名它. 此处的命名主题为“检索CNKI期刊之前”.

　　提示: 尽管此级别的规则主要用于选择操作，但是为了确保页面已加载并且连续的操作可以顺利进行，通常会在此级别的规则中建立一些爬网内容.

　　1.3，内容映射

　　选择“日志”作为爬网内容，双击日志，在弹出的标签栏中输入关键内容，在检索前命名排序框，然后检查关键内容. 视觉注释的基本操作在此不再重复. 如果您不了解，请参阅教程“采集网页数据”.

　　第2步: 定义一级规则的连续动作

　　2.1，输入目标主题名称

　　单击“连续操作”工作台，输入目标主题名称（即第二级规则的主题名称，此处名为“检索中国CNKI期刊后”），然后单击“正在使用谁” ，弹出窗口不显示该消息表明主题名称未被占用，您可以继续以下操作，否则需要更改主题名称.

　　2.2，创建第一个连续动作-选择起始年份2016

　　2.2.1，找到定位表达式，填写动作名称

　　单击“新建”，将操作类型选择为“选择”，单击开始年份，它将自动找到相应的节点，选择“显示XPath: 首选项ID”，程序将自动显示相应的Xpath路径，然后单击搜索，您可以看到此路径可以找到唯一的节点，该节点可用作动作的定位表达式. 将此路径复制到定位表达式，并在操作名称中写入文本，以使阐明每个操作的用法更加容易.

　　提示: 选择类型的连续动作. 定位表达式必须写入下拉菜单的选择节点，而不是某个选项的选项节点，否则将在运行时报告错误.

　　2.2.2，高级设置

　　我们需要实现的是采集2016年出版的期刊，因此我们需要在开始年度和结束年度都选择2016年. 这需要对连续操作的高级设置进行限制.

　　2.3，创建第二个连续的行动结束年度选择2016

　　单击“新建”，然后将操作类型选择为“选择”. 请参阅步骤2.2，找到与结束年份相对应的Xpath路径，然后在高级设置中将额外延迟设置为2秒，起点为3（2016是第三选项），跨度为100.

　　2.4，创建第三个连续动作，单击以进行检索

　　单击“新建”，然后选择“提交”操作. 请参阅步骤2.2，找到与“搜索”相对应的Xpath路径，然后在高级设置中将额外延迟设置为2秒.

　　2.5，保存规则

　　点击“保存规则”按钮以保存已完成的一级规则.

　　第3步: 定义第二级规则以捕获内容

　　3.1，创建新规则

　　单击“定义规则”返回到正常的网页模式，选择2016并单击搜索以找到文档结果，再次单击“定义规则”以切换到规则模式，然后单击左上角的“规则”菜单->“新建”，弹出提示“工作台上有内容，清除了吗？”，单击确定.

　　输入主题名称，其中主题名称是在上级规则的连续操作中填写的目标主题名称，即“在检索CNKI日记帐之后”，单击“检查重复项”，并弹出提示“名称已保留. ”可编辑: 是”，表示可以使用此主题名称.

　　3.2，标记要采集的信息

　　在页面上，直接单击要采集的内容，在弹出窗口中填写名称，勾选“标题”的关键内容，然后复制示例. 单击测试预览采集的内容. 在此不再重复视觉标签的详细描述. 有关详细信息，请参阅教程“集合列表数据”.

　　第4步: 定义二级规则页面的转换线索

　　4.1，设置翻页线索

　　单击爬虫路线，单击“新建”，选择“标记提示”；找到与页面翻页标记“ Next Page”相对应的节点，右键单击Cue Mapping-Marker Cue；查找整个翻页区域并具有一个类值或具有id值的节点，右键单击线索mapping-location-clue 1.在此不重复设置翻页的操作. 有关详细信息，请参阅教程“设置翻页集合”.

　　4.2，保存规则

　　点击“保存规则”按钮以保存已完成的第二级规则.

　　第5步: 捕获数据

　　连续动作的两级规则是连续执行的，因此只需要运行第一级规则，动作完成后程序将自动调用第二级规则. 如果直接运行第二级规则，则会出现错误，因为打开操作之前的初始页面.

　　5.1，打开计数机，找到一级规则的主题名称，单击“单一搜索”或“采集”，您会看到计数机Web窗口将自动选择2016，并继续向下翻页.

　　5.2，打开第二级主题的文件夹以查看结果数据，并将所选项目记录在xml文件的actionvalue字段中，以使其可以与结果数据一一对应.

　　上一篇: “连续操作: 自动搜索关键字以采集信息”下一篇文章: “连续操作: 滚动以采集瀑布流网页”

　　如果有任何疑问，可以或