前嗅ForeSpider教程：如何采集新闻数据

在信息大爆炸的时代，如何成批量的抓取优质新闻数据，今天来为大家介绍一下如何用ForeSpider采集新闻数据。操作如下：

工具/原料

前嗅ForeSpider采集系统

第一步：新建任务

1、点击左上角“加号”新建任务，如图

3、点击下一步，选择进行数据抽取还是链接抽取，本次采集当前列表页新闻的正文数据，正文数据是通过点击列表链接进入的，所以本次需要抽取列表链接，所以点击抽取链接，如图

2、点击采集预览，在采集悴匙吭佰预览中有于目标链接相似的其他链接，可通过地址过滤得到列表链接。找到所需要的列表链接，观察得出所需要的目标链接都包含“s足毂忍珩ina.com.cn/+字符串”。使用过滤串“\c”，右击复制链接，如图所示。过滤串规则说明：\c表示一串（个）小写字母

4、击采集预览确认链接是否过滤完全，如图

第四步：填写模板二示例地址并新建数据抽取

1、模板一过滤得到的任意一条链接，作为模板二的示例地址。如https://news.sina.com.cn/c/zj/2018-12-25/doc-ihqhqcis0255892.shtml， 见图

第五步：创建/选择表单

1、在ForeSpider爬虫中，表单是可以复用的，所以可以在数据表单出直接选择之前建过的表单，也可以通过表单ID来进行查找并关联数据表单。此处使用的是之前建过的新浪网的表单。方法一：通过下拉菜单或表单ID选择已有表单方法二：点击创建表单进入快速建表页面，新建表单，如图所示

第六步：配置表单

1、根据所需内容，配置表单字段（即表头），此处配置了包括网页主键、网页标题、网页地址、网页创建时间、内容、发布来源6个字段，表单如图

第八步：模板预览

1、点标右键点击“数据抽取”，然后点击“模板预览”，如图

第九步：采集预览

1、点击右上角采集预览,如图