蜜蜂采集器的使用教程 - 采集北京新发地市场农产品价格行情本文以北京新发地市场农产品价格行情采集为例,介绍列表页网址中的时间格式化参数的使用方法。 页面分析数据来源:北京新发地市场官网。 使用浏览器打开北京新发地市场官网,按F12打开浏览器的开发者工具。设置时间范围为当天,点击“查询”。可以看到.../getPriceData.html 这样的POST请求,返回内容为JSON格式。我们试着将POST请求的网址和参数改装成GET方式,发现也可以正常访问,因此,就以此地址的GET请求来采集。 采集规则实现格式化网址源:.../getPriceData.html?limit=1000¤t=1&pubDateStartTime=[参数]&pubDateEndTime=[参数]&prodPcatid=&prodCatid=&prodName= ,两个参数都是时间变化格式,且时间格式为yyyy-MM-dd ,从0到0天,也就是只采集当天数据。这里将limit改为1000,因为一天的数据是469条,我们一次获取完毕,避免频繁请求。勾选“列表页网址即为内容页网址”。 内容采集。各标签均勾选“页内循环采集标签内容”,提取方法为JsonPath。在“循环采集”设置页面,勾选“每个循环采集的结果以新记录保存”。这里,因为是Json方式获取的,所以采用循环采集的方式,将每个子项都采集为一个新纪录。 id :JsonPath提取规则为["list"][*]["id"] ;一级分类 :JsonPath提取规则为["list"][*]["prodCat"] ;一级分类id :JsonPath提取规则为["list"][*]["prodCatid"] ;添加标签数据二次处理项“字符串替换”,将null 替换为空,因为这里会出现null 值;二级分类 :JsonPath提取规则为["list"][*]["prodPcat"] ;二级分类id :JsonPath提取规则为["list"][*]["prodPcatid"] ;添加标签数据二次处理项“字符串替换”,将null 替换为空,因为这里会出现null 值;品名 :JsonPath提取规则为["list"][*]["prodName"] ;最低价 :JsonPath提取规则为["list"][*]["lowPrice"] ;平均价 :JsonPath提取规则为["list"][*]["avgPrice"] ;最高价 :JsonPath提取规则为["list"][*]["highPrice"] ;规格 :JsonPath提取规则为["list"][*]["specInfo"] ;产地 :JsonPath提取规则为["list"][*]["place"] ;单位 :JsonPath提取规则为["list"][*]["unitInfo"] ;发布日期 :JsonPath提取规则为["list"][*]["pubDate"] 。
运行采集任务,查看采集数据结果。 至此,就实现了北京新发地市场农产品价格行情数据的采集。 |