连续动作实战：自动输入查询条件抓取微信公众号

1. 阅读指引

《连续动作应用场景（三）自动输入查询条件微信公众号》一文对连续动作中的自动输入查询条件的场景进行了描述，主要目的是利用搜狗的微信公众号搜索功能，把包含某些关键字的微信抓下来。为了达到抓取目的，需要做如下步骤

1. 进入到一个入口页面，在查询条件输入框中自动输入关键词，并自动点击提交按钮
2. 抓取查询结果
3. 如果查询结果分成多个分页，则翻页抓取
4. 如果定义规则的时候定义了多个关键词，那么输入下一个关键词，回到第一步

本文讲解规则定义过程，如果有些过程与普通的规则定义过程一样，则跳过。

2. 选择入口页面

《连续动作应用场景（三）自动输入查询条件微信公众号》一文认为定义两个采集规则比较合适：

1. 第一个抓取规则：用关键词搜索微信公众号，负责输入查询条件和点击提交按钮。这个规则可从如下地址下载：http://www.gooseeker.com/res/detail_96793.html
2. 第二个抓取规则：用关键词搜索微信公众号_搜索结果，把搜索结果抓下来，如果有分页，则翻页抓取。下载地址：http://www.gooseeker.com/res/detail_96797.html

运行的时候，从第一个规则开始，会自动过渡到第二个规则。第一个规则使用的样本页面就是入口页面，请注意，要实现连续输入，那么选择样本页面的时候要注意，第一个规则和第二个规则使用的样本页面应该结构一样，否则，输入第二个关键词的时候，就会定位不到输入框和提交按钮了。

3. 第一个规则的工作台

如上图所示，第一个抓取规则的爬虫路线工作台上不要定义翻页抓取规则，可以定义二级抓取规则。因为翻页抓取是第二个规则要执行的操作。所以，第一个规则重点是定义连续动作。

1. 输入第二个抓取规则的主题名，即用关键词搜索微信公众号_搜索结果
2. 点击新建按钮，创建第一个动作，即输入查询条件，所以选择输入类型。
   • 输入要查询的关键词，如果要连续查询多个词，则用双分号（;;）把词隔开
   • 输入定位表达式，也就是能够在网页上定位到输入框的XPath表达式，写好一个表达式后，可以利用MS谋数台的搜索功能，验证一下是否定位准确，具体参看搜索网页内容的使用方法
3. 再次点击新建按钮，创建第二个动作，即点击提交按钮，所以选择提交类型。
   • 输入定位表达式，也就是能够在网页上定位到搜狗搜索按钮的XPath表达式，写好一个表达式后，可以利用MS谋数台的搜索功能，验证一下是否定位准确

最后点击工具条上的存规则按钮，把抓取规则存起来。

4. 定义第二个规则

因为第一个规则和第二个规则的样本页面一样，如果紧接着定义第二个规则，则有两种方法可选：

1. 或者选择“新建”菜单从头定义抓取规则；
2. 或者在现有工作台上修改现有规则并改主题名后保存即可。

上图显示定义翻页抓取规则，这与普通规则定义没有区别，只是我们这里用了定点线索类型，跟记号线索一样也能翻页。

5. 加载以前定义的抓取规则

因为两个抓取规则使用了相同的样本页面，用MS谋数台连续先后加载两个抓取规则时，第二个就中断了，因为MS谋数台不允许加载样本页面相同的两个规则。在这种情况下，在加载第二个之前，先在地址栏中输入about:blank，并敲回车键，先把浏览器清空，然后再加载第二个规则。