|
如果你需要监控采集招标采购信息；或者需要监控采集财经新闻；或者需要监控采集招聘招生内容；或者需要监控采集舆情内容。请继续往下看，目标是为了及时发现网站更新内容，并在极短时间内完成数据自动采集。 由于每个网站内容格式都不一样，需要有针对性的定制数据采集方案。 1、实时监控更新和采集内容原理：首先在一台监控主机上运行网站资讯监控软件，添加需要监控的网址，以监控网站首页或栏目列表页为主。当发现更新后，立即将更新的新闻标题和链接发送到采集主机。当采集主机收到新闻链接后，自动使用木头浏览器打开网页，采集新闻标题和正文内容，然后保存到数据库或导出Excel表格文件，也可以再填表提交到其它系统。其中监控主机和采集主机可以分别部署在不同电脑上，也可以部署在同一台电脑上，它们通过网络接口实现数据传递。  2、首先部署在监控主机的网站资讯监控软件，添加需要监控的网址，可以选择监控网站首页或栏目页面。只要是超链接列表格式的网页都可以直接监控，其它特殊格式页面则需增加对应的监控方案。每个监控网站可以设置不同的监控频率，对于实时性要求高的网站设置高频率监控。多个网址独立线程按自有频率同时监控。还可以按关键词过滤无效内容，具体参数设置请参见软件说明书及案例教程。  3、在监控报警选项卡中，勾选“发送链接到外部网络接口”，并设置接收端的ip地址和端口号，此处为采集主机的ip地址127.0.0.1，和正在监听的端口8888。当监控到任意网站更新后，会将更新的内容和链接一并发送出去。  4、在采集主机上打开一个木头浏览器，选择“自动控制”菜单，打开“外部接口”，在弹出的外部接口窗口中，设置监听端口号为8888。设置接收到数据时执行指定的自动控制项目文件。如果同时收到多条数据，软件还可以按设定的时间间隔依次处理每条数据。勾选“程序启动时自动开始监听”，这样只要启动浏览器，无需打开外部接口窗体就可以接收数据了。  5、打开浏览器的项目管理器，创建自动控制项目。首先新建一个打开网页的步骤，在输入网址的控件中点击鼠标右键，选择外部变量@link，也就是从监控主机上接收数据中的链接参数。项目执行时自动打开这个内容网址。  6、创建一个元素监控步骤，监控内容页标题，通过标题内容就可以判读内容来自哪个网站，然后跳转执行对应的数据采集步骤。这里相当于编程中的多条件语句。其中选择跳转步骤需要先完成本文第7步，然后返回修改。  7、创建一个信息抓取步骤，从网页中抓取标题和正文内容。将以变量的形式保存在软件中。按同样的方法创建每个网站的数据抓取步骤以及抓取内容参数。在这里，也可以增加分析过滤信息内容，判断不需要的无关内容，终止采集和保存。  8、如果要把采集到的内容保存到数据库，可以新建“执行SQL”步骤，设定数据库连接参数，支持mssql，mysql，oracle，sqlite等数据库。输入insert拼接sql语句，通过鼠标右键菜单，把标题和正文变量插入到sql语句中。项目执行时替换变量，就将内容直接保存到数据库了。  9、如何把采集的数据保存到Excel表格文件，创建“保存数据”步骤，选择保存为Excel格式，输入保存路径和文件名，点击设置内容按钮，可以选择需要保存的变量，这里选择标题和正文即可。  10、如果需要把采集的内容，再填表添加到其它系统中，新建打开网页步骤，添加这个系统的网址（这里省去登录步骤），打开系统添加数据的表单。  11、创建填写内容步骤，在表单对应的输入框中填写内容。首先获取输入框元素，填写内容框中点击鼠标右键，选择需要输入的变量。  12、填写完表单，再增加一个点击提交按钮的步骤，这样采集到的内容就添加到新系统中了。  从监控数据更新，到采集数据，保存到数据库或添加到其它系统中，整个过程可以在无人值守状态下，在极短时间内全自动快速完成。并且可以将监控和采集软件置于后台运行，不影响正常使用电脑做其它工作。 |
发表
