l采集网站

【场景描述】采集全国历史天气数据。

【源网站介绍】天气后报网提供全国历史天气查询、历史天气预报温度记录查询，历史天气数据包含全国各城市区县的最高温度、最低气温、天气状况、风力风向等天气指标。

【使用工具】前嗅ForeSpider数据采集系统，免费下载：

【入口网址】

【采集内容】

采集天气后报上的全国各城市的历史天气数据。


【采集效果】

如下图所示：


l思路分析

配置思路概览：


l配置步骤

1.新建采集任务


2.获取城市链接

采用链接过滤的方法来抽取城市链接，具体如下所示：


②设置地址过滤，过滤包含“\”的链接，\c表示一串英文字母，这样就把城市链接过滤出来了。


3.抽取各月链接

①新建模板02，在模板02下新建一个链接抽取，改名为【月份链接】。


②关联模板，将城市链接抽取，关联模板02。


③使用链接过滤的方法来获取列表链接，先采集预览，打开列表链接预览结果，找到月份链接并观察规律，发现其中都包括：“”


③设置地址过滤，过滤包含“\c/month/\”的链接，\c表示一串英文字母，\d表示一串数字，这样就把月份链接过滤出来了。


4.抽取历史天气数据

①新建模板03，在其下新建一个数据抽取模板，具体操作如下所示：


②数据建表，按照下图所示建数据表。（注意字段属性等应严格按照下图进行设置）


③将新建好的数据表，关联到模板中去，如下图所示:


④填写示例地址

采集预览，复制任意一条月份链接。


⑤将链接粘贴到本模板示例地址中，并双击内置浏览器空白部分，加载本链接。


⑥关联模板

将模板月份链接抽取模板关联模板03，如下图所示：


⑦识别列表

选择数据抽取模板，然后如下图所示，识别列表。



⑧数据取值

使用定位取值和数据清洗的方法，title字段如下所示：


Date_字段如下所示：


tr字段如下所示：


Weather字段如下所示：


Temp_字段如下所示：


⑧采集预览

采集预览如下图所示，说明配置成功，可以开始采集。如果有哪个字段或者数据没有出来，再次检查之前配置，正确配置模板。


l采集步骤

模板配置完成，采集预览没有问题后，可以进行数据采集。

1.建立数据表单


2.开始采集


3.导出数据

采集结束后，可以在【数据浏览】中，选择数据表查看采集数据，并可以导出数据。



导出的文件打开如下图所示：


本教程仅供教学使用，严禁用于商业用途！

l前嗅简介

前嗅大数据，国内领先的研发型大数据专家，多年来致力于为大数据技术的研究与开发，自主研发了一整套从数据采集、分析、处理、管理到应用、营销的大数据产品。前嗅致力于打造国内第一家深度大数据平台！