在“任务概述”中，请按上图填写“任务名称”及选择相应的“分类”；“网站首页”、“备注说明”可随意填写，其他保持默认即可。其它设置暂且不讨论，等您熟练以后再参考我们的帮助文档。
使用IE浏览器，打开慧聪网首页，进入“找公司”一栏目，选择“热门区域”中的上海，打开网址，钩选中“买卖通会员”进行筛选，得到上海地区所有买卖通员网址：http://www.search.hc360.com/cgi-bin/ls,----1--y3z5fnn74i--------0----------zhh3viy-23ilt6r2zhh3viy----1---0-.html（请点击此链接打开。） 好了，本示例要采集的是在慧聪网中“上海地区所有买卖通会员”的企业名录数据。
在软件主窗口，单击菜单“任务”->“新建任务(N)”，打开“任务编辑”对话框来创建一个任务。下面通过图文说明，一步步讨论如何填写设置任务属性：
第一步：任务概述
在“任务概述”中，请按上图填写“任务名称”及选择相应的“分类”；“网站首页”、“备注说明”可随意填写，其他保持默认即可。其它设置暂且不讨论，等您熟练以后再参考我们的帮助文档。
第二步：任务概述
起始地址就是我们要采集内容的入口地址，在这里是“会员企业列表”：http://www.search.hc360.com/cgi-bin/ls,----1--y3z5fnn74i-0-{page}------0------0---4-zhh3viy-23ilt6r2zhh3viy----1---0-.html。其中，“{page}”是他们的分页变量名，这个可以通过对“会员企业列表”进行翻页并观察得出。如果“{page}=1”就表示第1页，“{page}=25”表示第2页，“{page}=49”表示第3页，以此类推。我们为{page}指定一个开始页码“1”，结束页码“122”，递增变量“24”，就表示将要采集1到122页，每自动翻页变量{page}就加24，那么第一页{page}就是1，第二页是25，第三页是49，与“会员企业列表”中的下一页功能相对应了。具体内容设置如下表：
| 名称 | 内容 | 说明 |
| 起始地址 | http://www.search.hc360.com/cgi-bin/ls,----1--y3z5fnn74i-0-{page}------0------0---4-zhh3viy-23ilt6r2zhh3viy----1---0-.html | 对应网页中的下一页链接 |
| 开始页码 | 1 | 开始采集的页码 |
| 结束页码 | 122 | 结束采集的页码 |
| 递增变量 | 24 | 自动翻页变量 |
第三步：导航页面
因为该任务有两层，所以需要建两条“导航规则”，分别命名为：“列表页”和“内容页”。我们需要从“列表页”提取“内容页”的网址，以实现导航。因此，设“列表页”为“导航页”，并填写“下一层网址模板”以提取网址。而“内容页”只需选中“最终页面”，然后保存即可。细心的朋友确定发现我们需要的是慧聪网会员企业的联系方式，而不是他的供求信息数据，所以需要使用用高级选项中的“网址替换”功能，将在“列表页”中采集到的“内容页”网址替换成我们所需要的联系方式的网址。例如从列表页“http://www.search.hc360.com/cgi-bin/ls,----1--y3z5fnn74i-0-49------0------0---4-zhh3viy-23ilt6r2zhh3viy----1---0-.html”，我们采集到的第一个内容页网址为“http://shyinzhong.b2b.hc360.com/shop/busin.html”，然后通过网址替换功能将内容页网址替换为“http://shyinzhong.b2b.hc360.com/pubinfo/businesscard.html”
| 层次名称 | 层次类型 | 下一层网址模板 | 高级选项 |
| 列表页 | 导航页 | http://.*.b2b.hc360.com/shop/busin.html | 使用“网址替换”功能，将http://.*.b2b.hc360.com/shop/busin.html替换为http://.*.b2b.hc360.com/pubinfo/businesscard.html；是将从列表页中采集下来的网址中“/shop/busin.html”部分替换为“/pubinfo/businesscard.html”（参见下图设置） |
| 内容页 | 最终页面 | 空 | 无需设置 |
输入旧值“/shop/busin.html”，输入新值“/pubinfo/businesscard.html”，其他默认设置；点“添加(A)”添加规则到“替换内容列表”中，然后再点“确定(O)”即可。
问：如何找出“导航页”的“下一层网址标识符”呢？
第四步：数据采集
通过导航页面规则,我们采集最终页的内容网址为:http://shyinzhong.b2b.hc360.com/pubinfo/businesscard.html，数据采集主要任务是编写所需要采集数据的采集规则，这点非常重要，是能否采集到数据的关键问题。例如上图中的数据名称为“公司名称”，前标识符为“class="title">”，后标识符为“</a>”，这两个标识符是在对应的最终网页“http://shyinzhong.b2b.hc360.com/pubinfo/businesscard.html”的网页源码中取得的，具体数据采规则如下表：
数据名称 字段名称 前标识符 后标识符 高级选项 公司名称 companyname class="title"> </a> 去除HTML代码 联系人 LinkMan class="name"> </a> 去除HTML代码 职务 Duty <span class="duty"> </span> 去除HTML代码 手机 mobile 手机： <br/> 去除HTML代码，去除空格符 地址 Address 地址： <br/> 去除HTML代码 邮编 zip 邮编： <br/> 去除HTML代码，去除空格符 电话 phone 电话： <br/> 去除HTML代码 传真 fax 传真： <br/> 去除HTML代码 网址 siteurl 网址： </td> 去除HTML代码，去除空格符
第五步：采集结果
如图所示，我们不在这里做任何设置，采集后直接将结果导出即可。
示例总结
在本示例中，我们讨论了以下内容：任务设置流程、哪些是必填项与可选项、简单的设置及其原理，以及引入了一些概念。本示例非常简单，仅供入门学习之用。网站结构复杂多变，设置时应灵活运用、举一反三。另外，如果有兴趣，建议把帮助文档（在线帮助）从头到尾阅读一遍。一是可以对各种功能留下印象，以便日后运用自如；二是可以融会贯通，加深对各种示例的理解。
示例任务下载
下载后减压，在“新建任务”处导入一下，即可保存。
在学习过程有任何问题，欢迎与我们联系。>> 点这里查看联系方式
Copyright © 2007-2019SumWill.Com All Rights Reserved
