采集天猫新百伦旗舰店商品数据

1. 下载火蜘蛛采集器

 

 

火蜘蛛采集器下载地址：

http://firespider.duapp.com/FireSpiderWeb/index.html

 

 

 

2.安装

 

火蜘蛛采集器包含了一个客户端和一个服务端安装包。安装非常方便，一路下一步就可以安装完成。具体安装步骤可以参考它提供的安装手册。

 

3.启动

 

启动服务端：在桌面有个快捷方式“Fire Spider Server Startup”，右键-》以管理员身份运行。

启动客户端：双击桌面快捷方式“FireSpider”

 

4.试用

安装之后默认已经包含了几个采集任务了。打开客户端，如下图所示，选中一个任务后点击“执行采集”。

 

 

可以看到采集开始执行了。

 

如果需要停止采集，选中采集任务，点击“执行采集”按钮旁边的“退出”。

 

 

5.建立新百伦任务

安装之后默认已经包含了一个采集骆驼天猫店的任务——“骆驼-列表页”。我们只要参考这个，建一个自己的任务就可以了。比如我要采集 “新百伦旗舰店”，在天猫搜索“新百伦”进入新百伦天猫店，找到新百伦的列表页，链接是这样的：

 

http://newbalance.tmall.com/search.htm?spm=a220m.1000858.1000725.4.vvTbdj&rn=bda5ce8edbc3307bf802e68880861de3&user_number_id=520557274

 

接下来建一个采集新百伦的任务

 

在浏览器输出 http://localhost:8090/FireSpider/html/index.html 打开管理中心

 

 

新建一个任务，除了“任务名称”，“链接”，“数据上传链接”，其实都跟“骆驼-列表页”一样就行了。链接填写刚才的新百伦列表页的链接。

注意“数据上传链接” 字段：这个是采集器在采集到数据的时候，会把数据往这个链接以POST方式推送。因为采集器并不知道我们拿采集到的数据有什么用，只好把数据交给我们自己处理。我们可以在本地开一个REST服务，apache, tomcat, iis什么的都可以。

这里“数据上传链接” 我们填写 “http://localhost/myphp/index.php”，这里我们用的是PHP。待会会讲一个这个PHP脚本。

如果只是体验一下采集，“数据上传链接”也可以留空。

 

点击保存

 

6. 搭建WAMP

 

如果你不需要自己处理采集到的数据，这一步并不是必须的。这里讲的是PHP自定义采集数据处理，其它语言也可以略过。

6.1 安装wamp 

这个无需多言，也是一直下一步就可以了。

6.2 建立Alias 

 

输入alias名称

输入alias对应的目录

6.3 index.php脚本

 

 

<?php


// 注意PHP文件要保存为UTF-8无BOM格式


// 取得POST过来的数据
// 因为firespider post时没有设置content type,所以要用这种方式取post数据，不能用$_POST
$content = file_get_contents("php://input");


// JSON解码
$p = json_decode($content);


// 后面可以写你自己的逻辑。这里只是保存到一个文件中
$james=fopen("e:/test/json-".$p->urlId.".txt", "w");


if(!$james) {
    echo'file not exist';
    exit;
}


fwrite($james, $content);
fclose($james);

 

 

7. 采集新百伦

任务建立后就可以开始采集了。打开采集器客户端，在任务标签页，选中我们刚才新建的“新百伦”，点击“执行采集”

 

 

采集开始后，我们就可以在e:/test/ 下的josn-xxx.txt看到采集到的数据啦。