2.2.2 采集附件及其地址

山西招投標網http://www.sxbid.com.cn/

一.網站內容

1.網站截圖說明

本教程通過“山西招投標網”官網來采集 鏈接列表（紅框位置） 中正文的附件，鏈接入口為：http://www.sxbid.com.cn/

【官網-二手房】

2.采集結果預覽

二．操作方法

1.新建任務

按圖片數字所示，1-2-3完成新建任務的步驟

【新建任務】

①按照圖示1位置，點擊“采集配置”。

②按圖示2位置，點擊“任務列表”中的“+”。

③在新建采集任務中輸入采集網址即http://www.sxbid.com.cn/，任務名稱可自定義，本次可輸入為“中國石頭招標投標網”。

點擊“下一步”，需要采集正文數據，所以此處需要勾選“網頁內所有鏈接”和“抽取數據”。

2.鏈接抽取配置

①按照圖示1位置，Ctrl+左鍵選中“鏈接列表”。

②按照圖示2位置，點擊“確認選區”，保證我們的數據是被選中的狀態。

③按照圖示3位置點擊“采集預覽”，查看數據詳情，如下圖所示：

3.數據抽取

抽取數據（紅框位置）中的鏈接 務必對應“鏈接列表”內的正文數據，即附件頁面地址。http://www.sxbid.com.cn/f/view-860ea5181ec54cd68435893df9254c02-1916cd9114ca48d4819b89c1da635597.html

4.配置表結構

如圖示點擊【數據建表】：

①點擊“采集配置”。

②點擊“數據建表”。

③點擊“+”，新建表結構并自定義名稱，這里取為“zhaobiao”。

根據所需內容，配置表結構字段，此處配置了包括主鍵、網頁地址URL、標題、附件。表結構建立如下：

①主鍵字段：f_id

主鍵務必第一個創建，其含義為該表結構所屬ID

A.采集內容：選擇“主鍵”

B.數據類型：選擇“長數字”

C.字段屬性：選擇 “索引字段”、“鍵值唯一”、“主鍵字段”。

②字段名稱：url

A.采集內容：選擇“網頁信息”-“網頁地址”。

B.數據類型：選擇“字符串”。

C.高級類型：url地址。

③字段名稱：name1

A.采集內容：選擇“選區內可見文本”。

B.數據類型：選擇“字符串”。

④字段名稱：fujian

采集內容：選擇“網頁代碼/圖片等資料”-“數據流文件”。

5.關聯數據表

表結構配置完畢后，需要進行數據關聯，操作如下：

選擇所需的表結構，點擊【創建】按鈕。創建表名稱可隨意填寫，需注意開頭僅可使用英文字母，可加數字。中文名稱不能作為表名稱。然后就可以采集數據了。

6.確認選區

操作如下圖所示：

①字段：name1

A.按照圖1位置，在左側點擊“name1”。

B.按照圖2位置ctrl+左鍵選中文章標題。

C.最后點擊“確認選區”即可。

②字段：fujian

A.按照圖1位置，在左側點擊“fujian”。

B.在頁面最低端會出現“附件下載”的位置即圖2所示，ctrl+左鍵選中附件內容。

7.采集預覽

在“新建模板：02”處右鍵選擇“模板預覽”，即可查看是否采集出所需數據，如下圖：