-
小红书作者网页
这一套规则一共有4个，这是第四个，运行了第三个（小红书笔记详情）以后，会为这个主题生成多条线索，一个是对应这个笔记的作者，另外一些对应所有参与回复的作者，这样就可以为本级扩展采集范围。而运行本级以后，又会为第三级（小红书笔记详情）产生更多线索。这样就会越来越扩展爬取范围。这一级应该用爬虫群模式，不要勾选激活下级线索，也就是不用重复抓取小红书笔记详情
35 3 -
小红书笔记详情
这一套规则一共有4个，这是第三个，运行了第二个（小红书社区精选）以后，会为这个主题生成多条线索，一个笔记一条线索。这个主题会同时采集到多个表：笔记详情内容，评论，作者信息，相关笔记。同时也会下载图片和视频。由于笔记网址很多，建议设置爬虫群模式运行，如果不想重复采集已经采集过的笔记，上一级主题（小红书社区精选）的爬虫调度参数不要勾选激活下级线索，同时下级主题（小红书作者网页）也不要勾选激活下级线索
65 6 -
小红书社区精选
这一套规则一共有4个，这是第二个，运行了第一个（小红书社区板块）以后，会为这个主题生成多条线索，一个板块一个线索。由于每个板块定期会发布新笔记，所以，这个主题最好设置爬虫群模式，定时重复执行一遍。网站刷新速度很快，应该购买旗舰版，可以更高频度监控这一级的主题，而低于旗舰版，只能一天监控一次。从样例数据可以看到，这个网页采集到一个笔记列表，为下一级形成线索，下级是“小红书笔记详情”。注意本级同时现在封面图
67 12 -
微信公众号文章图文同时采集
使用连续滚屏的方式，可以确保把微信长文中的所有图片采集下来。本来也可以设置自动滚屏方式进行采集，但是如果是很长的微信文章，等滚到下面的时候，上面的图就会被删除，所以使用连续滚屏，每滚一步，就存一步。这样会生成很多重复内容。
362 13 0 -
专利检索_自动输入查询条件
这是一组抓取规则的第一个，与它配套的第二个抓取规则是“专利检索_搜索结果”，这个规则作为抓取的入口，能够自动输入检索关键词，利用了GooSeeker V5.4.0版本的连续动作功能，等自动提交以后，就能显示检索结果，由第二个抓取规则把检索结果抓下来。
150 8 0 -
专利检索_搜索结果
这是一组规则中的第二个，第一个规则的名字是“专利检索_自动输入查询条件”，第一个抓取规则自动输入检索条件，会自动过渡到这个规则，所以，本规则一般不直接运行。加载这个规则时请注意，因为样本页面一开始是没有检索结果的，等提示进行后续分析时，先输入检索条件，等看到检索结果再选择“后续分析”菜单。相关教程参看：http://www.gooseeker.com/doc/article-162-1.html
111 2 2 -
链家房源列表
这个抓取规则需要一点小技巧，因为在网页上，发布时间、单价和总价所用的html标签和属性完全一样，如果要同时抓取这三个内容，大家都抓成发布时间。这是因为抓取规则自动定位网页上的位置的时候，自动使用了div[@class='div-cun']/text()这个表达式。要解决这个问题，要么自定义xpath。如果嫌麻烦，就用个小技巧，选择包含这三块内容的总DIV，在网页上的位置是div[@class='dealType']，使用他的@class作为定位标志，也就是选择这个div，做定位标志映射，都映射给这3个抓取内容，这样，GooSeeker爬虫会自动计算出他们所在的位置是在这个总div下的不同节点
288 9 9 -
小红书社区板块
这一套规则一共有4个，这是第一个，作为总入口，只需要为这个规则添加一条线索：https://www.xiaohongshu.com/explore ，运行后就能给第二级规则生成多条线索。 然后就可以运行第二级——小红书社区精选，爬虫范围就会越来越大。 如果网站不改版，这个规则只需要运行一次即可，而第二级规则应该周期性地监控最新发布的文章
50 2
最近访问
总浏览量624次-
- yuulin 2019-05-23
-
- garethjjn 2019-05-22
-
- zjnqaq 2019-05-22
-
- xuejing0813 2019-05-21
粤公网安备 44030502000239号