使用实例分析2--上海人才网招聘信息

实例1是一个很简单的抓取新闻标题的例子，现在我们来看一个最普通的例子。这个实例的设置是最常见的那种。

基本操作：

查看网页源代码：点击IE浏览器的查看，再点“源文件”。
网页编辑软件Dreamweaver的使用：下载安装这个软件，打开软件后点击 三个按钮中最中间的这个，软件界面就分成了两大块，上面显示网页代码，下面显示网页的大致样子。我们经常要把网页源代码粘贴到Dreamweaver的代码区域，然后就可以看到网页的样子。学会这个，主要是为了找到信息的标识。

1.点击新建任务这个按钮，点击后会出现如下界面：

任务名称：随便起个名字,就叫杭州公司吧
任务起始地址：就是招聘信息列表的那个网址，通常就是列表的第一页http://www.001hr.net/jobsmore.asp?page=1。

2.切换到“采集对象网址标识”选项卡，设置标识



采集对象网址标识：打开起始地址，我们可以发现招聘信息列表的网址区别于别的网址的标志就是company.asp，因此我们把这个作为采集对网址标识. 软件只抓网址中含有company.asp的链接。

想要抓到下一页的信息，我们还要设置下页网址前标和后标，下页的网址是http://www.001hr.net/jobsmore.asp?page=2，第3页的网址就是http://www.001hr.net/jobsmore.asp?page=3，第4页网址就是http://www.001hr.net/jobsmore.asp?page=4，可以看出来，变化的仅仅是数字而已。变化的数字前面的网址部分就是下页网址前标，下页网址前标就是http://www.001hr.net/jobmore.asp?page=，变化的数字后面的网址部分是空的，因此下页后标就是空的。page=1，2，3，因此间隔就是1了，一般都是1。例子3二手车如果要用下页前后标的话，间隔就是8了，因为第一页是http://www.hzqc.net/second/second.asp?offset=0，第2页是http://www.hzqc.net/second/second.asp?offset=8

采集页数：就暂时采集10页吧

========================================================================
注意，上面的下页设置是可以抓到的，不过还有一种更简单的设置方法，看下图：
可以看到，下页网址前标那里也可以填下页网址关键字。所有的下页网址里都含有?page=，所有的非下页网址里都不含有?page=，因此?page=就是下页的标志，就是下页网址关键字了。这样的设置就不需要设置从第几页到第几页了，更方便。



3.切换到“采集对象前后标识”选项卡



这里的设置和设置实例1原理一样，我们挑几个讲解以下：
打开某条信息的源文件，把代码复制粘贴到Dreamweaver里，如下图：
我们要抓公司名称的话，“上海雅仕国际物流有限公司”前面的那段代码就是前标了，“上海雅仕国际物流有限公司”后面的那段代码就是后标了，因此招聘单位名称的信息前后标就是上图显示的那个。如果怕抓到html代码，就选中删除Html代码。

同理，其他的也是这样设置的。

好了，全部设置完毕，点击“更新任务设置”返回，然后点击载入任务，把“上海人才网招聘信息”载入，并且选中。点击“开始”按钮开始采集，就可以看到采集到了。