火车采集器:网站分页网址不变获取规则

2016年4月14日15:55:28 发表评论

阿里云服务器

大家在采集列表分页内容的时候,会发现有的列表分页,点击第二页、第三页(或下一页)时,列表的页面信息有变化,但是浏览器上网址却不变。这种信息在页面是看不到的,一般要通过fiddler抓包工具抓包分析,即通过火车采集器post方式分页采集。

以下用这个网址来测试http://www.yidianda.com/category/three/1-7-24.html 这个网址有3页,链接都是相同的。

1、先通过源代码找到这个页面的开始标签和结束标签,页面开始是1/3页,结束是下一页>到第页。如下通过源代码可找到:

火车采集器:网站分页网址不变获取规则

火车采集器:网站分页网址不变获取规则

火车采集器:网站分页网址不变获取规则

2、打开fiddler抓包工具,分别点击第2页和第3页,看看分别获取了哪些信息。当获取完一个页面后,先按下键盘F12暂停,提取信息。不然的话fiddler会继续抓取信息、信息多的话不好查找。

火车采集器:网站分页网址不变获取规则

火车采集器:网站分页网址不变获取规则

由于图片比较不好查找,通过点击fiddler上的“View in Notepad”提取出来进行比较如下:

ec_p=2&url=&flag=1&sortType=&s_keyword=&s_minprice=&s_maxprice=

ec_p=3&url=&flag=1&sortType=&s_keyword=&s_minprice=&s_maxprice=

从上可以知道ec_p的值就是分页。火车采集设置如下:

火车采集器:网站分页网址不变获取规则

注:以上规则设置完,记得点击保存哦。有的页面有id=这样的参数(有的会变,通过源代码查看),一般是[POST随机值x],这里不需要填也可以。

fiddler下载地址http://pan.baidu.com/s/1gfPOgrL(中文版不用升级)最后链接测试采集如下

火车采集器:网站分页网址不变获取规则

maolai

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: