当采集的信息不在当前默认页,而在当前默认页某一个链接的所在页时,此时就要用到多页管理了,
多页管理界面如下:
我们以内容页网址 http://kimi201406.1688.com/page/creditdetail.htm 为例,
来获取获取它的公司介绍和联系方式页面的联系方式信息。公司介绍在网址 http://kimi201406.1688.com/page/creditdetail.htm 里获取, 而联系方式信息在网址 http://kimi201406.1688.com/page/contactinfo.htm 里获取。所以我们需要借助多页功能来实现。
前者叫默认页地址,后者叫做多页地址。
流程:点击①创建多页,进行②多页设置,然后在数据来源③选择多页调用,最后根据多页源代码设置提取方式。
下面重点讲解②,多页地址获取方式:
- a.页面地址替换
- b.源码中截取
a.页面地址替换:也就是默认页和多页地址有相同的地方,通过简单的替换就可以变成多页地址。
b.源码中截取:也就是多页的地址在默认页的页面源代码里面。
下面就上述网址来说明下这两种方式如何获取多页。
a.页面地址替换
比较默认页“http://kimi201406.1688.com/page/creditdetail.htm”和多页地址:“http://kimi201406.1688.com/page/contactinfo.htm”之间的共同点,默认页“creditdetail.htm”替换为“contactinfo.htm”就是我们的多页地址了。
设置如下图:
正则表达式中 (.*) 为任意通配符。
$1,$2…$数字来按照顺序对应上面(.*)表示的部分。
若要对多页源码部分区域做限定,可在指定多页源码区域设置。
若留空则默认返回多页整个源代码。设置好以后,点击测试查看结果。
b.源码中截取
可以看到默认页源码中有多页地址
所以设置如下:
保存即可。
最后设置数据来源和提取方式,如图:
注:如需要多级多页,则在多页地址获取 方式:选择需要的多页即可