采集网址：
http://www.pkulaw.cn/cluster_form.aspx?Db=news&menu_item=law&EncodingName=&keyword=&range=name&采集目标：1. 遍历抓取列表页的内容页地址2. 内容页采集字段：标题，内容，关键词语，来源使用工具：1. 火车采集器2. Fidder抓包软件采集成果：
那么我们接下来看如何用火车采集器来获取法律法规数据。
第一步：打开火车官网 www.locoy.com 下载最新版火车采集器并安装
第二步：打开软件中列表页面，使用fiddler抓包获取数据包并分析，得到实际的数据请求（多抓取几个分页进行对比） 通过分析可以看出，分页的加载方式是POST请求，POST表单中有控制分页的变量，内容页地址在源码当中的格式清晰可见。目
第三步：在采集器中新建规则，按照Fiddler抓包得到的信息编写列表页的获取规则POST请求地址填写到起始地址栏中填写POST表单,将分页控制参数用[分页]变量替换,然后设置分页范围
第四步：分析源码后,在网址获取选项中设置内容页地址的获取规则,并测试采集列表 将抓包获取的头信息依次填写到HTTP请求设置中
第五步：以上全部设置好后,可测试运行列表的获取,获取成功后可以继续制作内容采集规则
第六步：浏览器中打开一个内容页,找到需要采集的字段位置,和源码的对应关系找到数据的前后位置就可以通过前后截取或者正则提取得到内容
第七步：由于”关键词语”字段有多个值,建议使用循环获取,以下是处理方法设置关联多页并保存
 从关联多页中进行循环提取
总结:通过Fiddler抓包分析数据请求信息,按照要求填写相应设置,编写内容字段的获取规则即可。注意:1.该网站采集存在封IP的问题,需要使用代理后才能长时间采集,2.Cookie一段时间后也存在失效问题
每周一数数据以及采集规则领取时间为2019/10/24日发文后5个工作日内。采集规则涉及到商业版本功能，建议用户登录商业版本使用此规则。
数据领取资格：火车采集器/火车浏览器/触控精灵商业版软件用户（服务年限内），如果您不是商业用户或者已经过了服务年限，但也想参与活动的话，可以新购软件或者升级续费，这样就能参与活动啦！通知一下哦，双11火车活动优惠折扣很大呢！
数据领取方式： 第一步：扫码添加火车运营微信号，火车运营助手会拉你进入活动群。
第二步：进群后添加数据咨询客服.雅的微信号，经客服验证为服务年限内商业用户身份后，即可领取。
好啦，本期的“每周一数”就到这里了。如果您还有想要获取更多的数据资源以及采集器规则的话，可以在文章下方或是公众号后台留言，小采会综合大家的意见选择下一期赠送数据的主题哦！
| 
|手机版|Archiver|火车采集器官方站
( 皖ICP备06000549 )
发表于 2019-10-25 17:29:58
