藍天采集器分類信息采集，列表數據循環入庫示例教程

分類信息在網絡中的使用率僅次于文章，通常為列表格式數據，所以采集分類信息的流程很簡單，可以直接將列表頁當做內容頁來采集，如果需要從列表頁中分析出內容頁，那么采集流程就類似于文章采集，本教程重點講解采集列表形式的數據

前面說了可以直接將列表頁當做內容頁來采集，那么起始頁設置成什么呢？一般可以設為分類鏈接列表或者關鍵詞搜索鏈接列表（該教程繞過這步）

以http://shili.skycaiji.com/info.html為例，基本上所有數據都在該列表中，所以無需進入內容頁采集，直接將起始頁設置為內容頁網址

保存后點擊測試抓取內容頁網址，然后點“分析”進入分析網頁界面
列表數據都有一定的格式規律，我們先匹配出每一條數據的包裹層，點擊圖片元素，然后使用底部控制臺中的父元素來調出包裹層

得出第一條數據包裹層xpath：//*[@id="list"]/li[1]
同類型包裹層xpath：//*[@id="list"]/li

在“獲取內容”中添加字段，獲取方式選“xpath匹配”，規則輸入同類型的xpath，勾選“允許匹配多個元素”并選中“循環入庫”

保存測試下看

成功抓取到包裹層列表，接下來從每個包裹層中匹配出字段數據

以第一條數據為例，第一條包裹層html源碼：



先添加一個圖片字段，獲取方式選“字段提取內容”，選中“包裹層”字段，提取內容選“xpath匹配”
由于是從包裹層中提取圖片，所以圖片xpath只需要相對于包裹層就可以了（不用根據整個頁面寫xpath）
填寫圖片xpath：//img[@class='img']，屬性選“src”

保存測試看看

成功從每個包裹層中匹配出了相應的圖片鏈接
接下來再添加幾個字段，操作類似于圖片：

• 標題xpath：//div[@class='title']

• 地址xpath：//div[@class='address']

• 戶型xpath：//div[@class='huxing']

• 標簽xpath：//div[@class='tags']

• 均價xpath：//div[@class='price']
  

注意以上字段xpath匹配的屬性選擇“text”可直接過濾掉html代碼

測試結果：

采集列表數據的教程就是這些了，流程很簡單，就是編寫字段xpath比較繁瑣，還有一種不使用包裹層而是直接將每個字段都設置為循環入庫（xpath匹配使用同類型元素的xpath）

兩種方式都已上傳云平臺
包裹層：http://www.skycaiji.com/Collect/rule/detail/id/100156
同類型：http://www.skycaiji.com/Collect/rule/detail/id/100111

如有細節方面問題請在本帖內回復！