Excel教程Excel函数Excel透视表Excel电子表格Excel基础入门到精通

Excel教程Excel函数Excel透视表Excel电子表格Excel基础入门到精通

　　  我们在使用网站抓取精灵​做采集时，往往需要先从网页的初始网址开始获取内容页网址，那么火车采集器进入列表页后，如何进一步获取内容网址呢，下面就请新手们一起来看看内容页网址采集规则如何制作。

　　    在火车采集器V9中，内容网址获取有常规模式和高级模式两种。

　　    1.常规模式：该模式默认抓取一级地址，即从起始页源代码中获取到内容页A链接。它有两种方式：a.自动获取地址链接 b.手动设置规则获取。

　　    2.高级模式：该模式对0级，多级，POST类型网址的抓取有效。即起始网址就是内容页网址；或者需要对多级列表网址采集才能得到最终内容页链接；或者是post网址类型抓取等情况下使用高级模式。

　　    这里详细说明下常规模式中a和b两种方式采集的具体操作，高级模式待后续讲解。

　　[常规模式]a.自动获取地址链接

　　     自动获取地址链接:自动获取该级列表页中所有的标签内的URL链接。如新浪内地新闻：http://roll.news.sina.com.cn/news/gnxw/gdxw1/index.shtml

　　获得的结果如图所示：

　　根据统计数据，我们可以找到总共81个第一级URL，但是我们需要抓取的实际第一级URL为每页40个，这表明有一些我们不需要的链接，因此我们可以使用区域设置和链接过滤来过滤并获取所需的链接。单击浏览器以查看网页的源代码并分析源代码。所需的链接应满足以下条件：