分享一个采集技巧，帮一个会员做的
本帖最后由 a15927012904 于 2009-12-14 22:39 编辑查看原文：采集一个表格然后导入excel中
要求：http://web.72erp.com:8080/sangon/product/ProductViewList.jsp?classID=6&productCode=&productName=&page=1&rd=0.9272518654611335
的179页表格，然后将数据导入excel中。
采集思想：将每个表格也当作是一个列表页，然后表格的每列当作是每篇文章。接下来主要是在采集网址规则上下功夫，
以前仅能通过自定义格式在列表页采集到网址和缩略图，2009版起，可以自设置标签，在采集网址的同时采集列表页的内容， [*]并同时可以保存到数据库内，发布时该标签和在内容页规则内定义的标签调用方式相同把标签（这里要采集产品名称，包装，单价(元)，产品编号）做到采集网址规则这一步。
查看源代码，然后找到一个代码单元，如：
[*]<TR
class=row1><TD
width='130px'
align='left'
height=22px> 11</TD><TD
width='420px'
align='left'
height=22px> 试剂一批</TD><TD
width='180px'
align='left'
height=22px> 1</TD><TD
width='100px'
align='left'
height=22px> 10.0</TD><TD
width='134px'> </TD></TR>于是轻车熟路，我们用（*）代替无关内容，（开头处的的<TR class=row1,后面还有<TR class=row2,于是用（*）代替变化数字)，依次用[标签:XXX]替换掉这里要采集的内容，因为这里没有内容页的，所以我们需要编造一些内容页网址，考虑到产品编号是不容的，所以就决定将产品编号作为文章内页网址的一部分（1.只有这样才能搞到不同的文章网址，否则火车会报采集网址重复2.您可能还有一个疑问，那产品编号岂不是采集不到了？好问题，我们留到后面讲）
将产品编号处的代码用[参数]代替，然后我替换完了的代码如下
[*]<TR
class=row(*)><TD
width='130px'
align='left'
height=22px> [参数]</TD><TD
width='420px'
align='left'
height=22px> [标签:产品名称]</TD><TD
width='180px'
align='left'
height=22px> [标签:包装]</TD><TD
width='100px'
align='left'
height=22px> [标签:单价]</TD><TD
width='134px'> </TD></TR>然后我的网址实际链接处填
[*]http://www.caijii.cn/[参数1]
http://www.caijii.cn/uploads/allimg/091210/1_091210124157_1.JPG
测试采集，看是不是可以采集到网址了！
http://www.caijii.cn/uploads/allimg/091210/1_091210124307_1.JPG
测试采集，OK！
采集到的这些网址链接到都是我的404网页不存在页面，采集内容设置我们去掉默认的那些标签，不做设置，发布内容设置也不动。
然后我们保存任务，开始采集即可。
任务运行完了，在任务上点击右键，选打开DATA下任务文件夹，找到SpiderResult.mdb这个数据库文件，用excel打开，选content表，然后将ID，已采，已发，缩略图，处理中等无关列删除，选中PageUrl列，然后ctrl+F，切换到替换选项卡，在查找内容处填写“http://www.caijii.cn/”，全部替换即可得到产品编号了。
http://www.caijii.cn/uploads/allimg/091210/1_091210123932_1.jpg
excel中设置替换
原文地址，采易网，希望大家多多支持，陆续会有更多技巧放出！ 在这里发链接无效的。 好强啊，支持lz！！
页:
[1]