算法 自动采集列表(优采云控制台一采集入门教程(简化版)(图))

　　算法 自动采集列表(优采云控制台一采集入门教程(简化版)(图))

　　优采云Navigation: 优采云采集器 优采云控制面板

　　一个采集Getting Started Tutorial（简化版）一个小概念：

　　大多数网站 以列表页和详细信息页的层次结构组织。比如我们进入一个新闻频道，有很多标题链接，可以看成是一个列表页。点击标题链接进入详情页。

　　使用data采集工具的一般目的是获取详情页中的大量特定内容数据，并将这些数据用于各种分析、发布和导出等。

　　列表页：指栏目或目录页，一般收录多个标题链接。例如：网站home 页或栏目页为列表页。主要功能：可以通过列表页获取多个详情页的链接。

　　详情页：收录特定内容的页面，如网页文章，其中收录：标题、作者、发布日期、正文内容、标签等。

　　要开始，请登录“优采云控制面板”；

　　详细使用步骤：

　　第一步：创建采集task

　　点击左侧菜单按钮“创建采集task”，输入采集task名称和采集的“列表页”网址，如：（这里首页为列表页：内容收录多个详情页是），详情页链接可以留空，系统会自动识别。

　　如下图：

　　进入后点击“下一步”

　　第2步：改进列表页的智能提取结果（可选）

　　系统会先通过智能算法获取需要采集的详情页链接（多个）。用户可以双击打开支票。如果数据不是您想要的，您可以单击“列表提取器”手动指定它。在可视化界面上用鼠标点击。

　　智能获取的结果如下图所示：

　　另外：在上面的结果中，系统还智能发现了翻页规则，用户可以设置采集需要多少页。您也可以稍后在任务“基本信息和Portal URL”--“根据规则生成URL”项中进行配置。

　　打开列表提取器，如下所示：

　　第三步：完善详情页的智能提取结果（可选）

　　上一步获取多个详情页链接后，继续下一步。系统将使用其中一个详情页链接智能提取详情页数据（如标题、作者、发布日期、内容、标签等）

　　详情页智能提取结果如下：

　　如果smart提取的内容不是你想要的，可以打开“Detail Extractor”进行修改。

　　如下图：

　　您可以修改、添加或删除左侧的字段。

　　第 4 步：启动和运行

　　完成后，即可启动运行，进行数据采集了：

　　采集之后的数据结果，在采集任务的“Result Data & Release”中，可以在这里导出和发布数据。

　　完成，数据采集就是这么简单！ ！ ！

　　其他操作，如发布和导出数据、数据SEO处理等，请参考其他章节。

　　优采云Navigation: 优采云采集器 优采云控制面板