集搜客网页抓取软件(配套软件版本：V9及更低集搜客网络爬虫软件新版本对应教程)

　　集搜客网页抓取软件(配套软件版本：V9及更低集搜客网络爬虫软件新版本对应教程)

　　配套软件版本：V9及更低版本即搜客网络爬虫软件

　　新版本对应教程：V10及更高版本数据管家-网络爬虫增强版对应教程为《Web Data 采集 Using Nested Sorting Boxes to get Hierarchical Data》

　　注：GooSeeker爬虫从V9.0.2版本开始，爬虫术语“主题”改为“任务”。在爬虫浏览器中，先命名任务，然后创建规则，然后登录集合。在Sooke官网会员中心的“任务管理”中，您可以查看采集任务的执行状态，管理潜在客户的URL，进行调度设置。

　　如果一个网页上有很多相同结构的数据，你需要做一个样本拷贝来批量采集。但是，一些结构相同的网页的数据收录在不同的块节点中。这种情况下，需要进行两次或多次的样本复制（视实际情况而定），即多级嵌套样本复制。

　　以新浪新闻为例，网页上每5条新闻存储在一个区块节点中。如果只是按照样例拷贝教程拷贝样例，只会抓到当前区块节点下的5条消息。但是，页面上总共显示了 35 条新闻，分为 7 个区块节点。为了捕获页面上的所有新闻，需要复制收录新闻的区块节点。

　　注：本文演示的嵌套排序框样本副本可到资源库下载学习：嵌套排序框样本副本

　　一、创建多级嵌套组织者

　　图1

　　如图1所示，具体操作如下

　　1.新建一级排序框，用于复制收录新闻的区块节点样本。

　　2.右键单击第一级组织器并选择收录包，为每个新闻项目的样本副本创建第二级组织器。

　　3.右击二级排序框，选择Inclusive创建抓取内容，抓取每条新闻的标题，发布时间。

　　这将创建一个嵌套的排序规则框，它可以按从内到外的顺序复制两次。

　　二、先制作内层的样本副本

　　图 2

　　如图2所示，具体操作如下

　　1.点击二级组织者

　　2.勾选启用以启用样本复制功能。

　　3.分别找到第一项和第二项对应的节点。

　　4.在节点样本副本的“第一”对应的第一条新闻上右键，映射到样本1。

　　5.右击第一个新闻项对应节点样本的“第二个”副本映射到样本2。

　　从上图可以看出，一个UL区块节点收录5个LI节点，一个LI节点对应一条消息。现在只能在当前 UL 下捕获 UL 中 LI 的样本副本。新闻，也就是只能抓取5条新闻。为了抓住所有的新闻，让我们制作一个 UL 的样本副本。

　　三、制作样本副本到外层

　　图 3

　　如图3所示，具体操作如下

　　1.点击一级组织者

　　2.勾选启用以启用样本复制功能。

　　3.将第一个UL和第二个UL分别映射到“first”和“first”

　　这将抓取页面上的所有新闻。