GooSeeker

本实例是实例2的后续操作。使用以下目标网站：http://www.locoso.com/detail/xxxx

要从企业主页上提取信息，需要的步骤同 前一个实例相同，但是，在企业主页上一般没有列表形式的信息，所以一般只使用一个样例复制品即可。

因为本实例是实例2的后续操作，不需要手工加载目标页面，只需要在Theme List工作台上识别（recognize）新发现的主题(ComPage_locoso)并为其定义信息提取(网页抓取/抽取)规则即可，系统会自动选择和加载一个样本页面。由于很多操作与实例1和实例2类似，在此仅仅讲解几个主要的步骤，其它步骤和顺序与实例1和实例2是相同的。

使用MetaStudio识别新主题并编辑主题信息

在MetaStudio的Theme List工作台上浏览主题列表，找到ComPage_locoso，当前处于torecognize状态。点击右键菜单recognize，加载样本页面。

小技巧：随着主题列表的增长，顺序查找一个主题很费时，MetaStudio提供了带有匹配符的查询功能，在主题列表的操作区有个输入框，输入完整的主题名或者带有匹配符（＊）的主题名，例如*Page*，ComPage*或者*Page_locoso，回车就会查询到匹配的主题。

注意：由于工作台上有上一次操作的信息结构，所以系统会提示你是否清空工作台，应该选择“确定”。

定义信息提取(网页抓取/抽取)规则

在该网站的公司主页上，没有列表类型的内容，所以只需要一个样例复制品即可。下图是信息属性的映射关系。

被提取的信息属性中有多个具有block特性的信息属性，address信息属性代表地址信息，城市名和街道名是在不同的文本（#text）节点下存储，本例没有将其分开存放，而是使用一个统一的address属性，该属性的block特性设置成提取所有包含的文本。在本例中，电话号码是用一个图片存储的，所以使用一个block特性设置成提取所有IMG的信息属性与其对应。detailed information信息属性的block特性设置成提取完整的HTML文档片段，可以提取所有包含的信息，并保留原页面的文档结构信息。

本用例没有提取线索，至此，可以将信息结构和指令文件上载到服务器上。