《各平台数据采集及方法》课件——银保监官网政策公告采集.pptxVIP

银保监官网

政策公告采集

官网政策公告采集采集场景进入中国银行保险监督管理委员会【新闻资讯】版块下的【监管动态】栏目，进入每条监管动态详情，采集其详情页信息。采集字段当前位置、标题、标题链接、发布时间、来源、正文、当前采集时间。采集背景

官网政策公告采集在首页【输入框】中输入目标网址，点击【开始采集】，八爪鱼自动打开网页。步骤一打开网页

官网政策公告采集1、建立【循环-点击元素】，进入每条监管动态的详情页通过以下3步，实现循环点击每个链接，进入详情页：①选中页面上第1条监管动态链接（注意一定要选中链接）②点击【循环点击每个链接】，进入第1条监管动态的详情页步骤二、建立【循环-点击元素】，进入每条监管动态的详情页

官网政策公告采集2、修改【循环-点击元素】Xpath为了精准定位到所有的监管动态链接，需修改一下【循环翻页】的XPath。进入【循环翻页】设置页面，选择【循环方式】为【不固定元素列表】，修改XPath为：//span[@class=title]/a，然后点击【应用】保存。改完后，再次点击【点击元素】步骤，进入问题详情页。步骤二、建立【循环-点击元素】，进入每条监管动态的详情页

官网政策公告采集步骤三、提取详情页中的文本字段进入详情页后，选中页面中的文本，然后在操作提示框中，点击【采集该元素文本】。文本类字段都可以按照这样的方式提取。示例中我们提取了当前位置、发布时间、来源、标题、正文等字段。。

官网政策公告采集步骤四、编辑字段。1、编辑字段在【当前页面数据预览】面板中，可删除多余字段，修改字段名，移动字段顺序等，请按需调整

官网政策公告采集步骤四、编辑字段。2、修改字段XPath针对【正文】这个字段，默认生成的字段XPath，无法精准定位到所有监管动态的正文内容，需手动修改。进入【提取列表数据】步骤设置页面，修改正文XPath为：//div[@class=Section0]

官网政策公告采集步骤四、编辑字段。3、格式化字段格式化数据，对【当前位置】、【发布时间】和【来源】字段进行格式化数据，去除多余内容。具体步骤如下图所示：

官网政策公告采集步骤五、创建循环翻页。1、创建循环翻页如果只是采集一页数据，可跳过此步骤。如果需要翻页以采集多页数据：①先点击流程中的【循环列表】步骤，以回到列表页（如果已在列表页可直接继续操作）②再选择页面中的【下一页】按钮，在操作提示上单击【循环点击下一页】，创建【循环翻页】。

官网政策公告采集步骤五、创建循环翻页。2、设置执行前等待时间①进入【循环翻页1】设置页面，设置【执行前等待】3s②进入【点击翻页1】设置页面，设置【执行前等待】3s和【Ajax超时】7s

官网政策公告采集1、单击【采集】并【启动本地采集】。启动后八爪鱼开始自动采集数据。步骤六、启动采集

官网政策公告采集2、采集完成后，选择合适的导出方式导出数据。支持导出为Excel、CSV、HTML、数据库等。这里导出为Excel。数据示例步骤六、启动采集

谢谢观看Thanksforwatching