使用实例分析4--阿里巴巴供应

现在我们来看一个稍微特殊一些的例子。这个例子的特殊就在于公司简介在3级页面里，通常我们抓的东西都在2级页面里。3级、4级等多级页面就需要设置关联页面，把2级页面和3级页面连起来一块抓到。

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,就叫阿里巴巴供应吧
任务起始地址：就是公司列表的那个网址，这里我们选择了一个分类，http://list.china.alibaba.com/buyer/offerlist/1407.html
类别名称：就是说添加的这个网址属于什么类别，多个起始地址一般对应多个类别，多个类别用逗号分开

下面的信息列表循环标志之类的，如果要抓产品图片的缩略图，就需要设置，因为缩略图只有在一级页面才有，这里的设置参考实例3就行了，这里不多讲了。

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：打开列表网页，很容易发现要抓的信息网址里都含有buyer/offerdetail/

下页网址前标或关键字：这里采用关键词的方式，由于一个下页关键词/buyer/offerlist/不能完全区分出来下页的网址，因此设置了两个关键词，表示只有同时含有/buyer/offerlist/和-p的网址才是下页网址，两个关键词用分号分开填进去

采集页数：就暂时采集10页吧

下面就遇到问题了，在供应信息页面里没有公司介绍，需要点击公司名字的链接才能看到，也就是说公司介绍是在3级页面里，这就需要设置一下关联页面就可以了。看上面的关联页面设置，关联页面前标和后标之间的就是一个网址，网址打开就是公司介绍了。软件会先抓2级页面里的关联页面前后标之间的网址，把2级页面和3级页面一块抓到，随后就可以按正常情况提取具体信息了。设置后点添加，如果有多个关联，按顺序添加进去就行了。



3.切换到“采集对象前后标识”选项卡



这里的设置和前面的设置基本一样，需要提醒的是，上面设置了信息前标识2和信息后标识2，这种情况主要是因为网页格式不统一造成前标有多种情况，如果仅仅设置一种前标，不能保证抓取到。信息前后标识2可以用特殊符号@@@分开,这样就可以设置很多种情况的了，保证能抓到想要的信息。软件会先按第一种情况抓，如果抓不到就按第2种情况，如果还不行，就按第3、4种，直到抓到为止。
还有就是因为阿里巴巴网站经常改版，改版一次前后标就要重新设置了，设置多个前标也可以更保险能抓到信息。

还有，是抓产品图片的，类型要选择“图片”，并且选中“是否保存到本地”，这样就可以把图片下载下来了。下载图片和下载软件、音乐、文档等都是一样的设置方法。

公司介绍已经设置了关联页面了，就直接从3级页面里的代码里找到前后标就行了。

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“阿里巴巴供应”载入，并且选中。点击“开始”按钮开始采集，就可以把信息和图片一块都抓到了。