注：集搜客GooSeeker爬虫从V9.0.2版本开始，爬虫术语“主题”统一改为“任务”，在爬虫浏览器里先命名任务再创建规则，然后登录集搜客官网会员中心的“任务管理”里，就可以查看任务的采集执行情况、管理线索网址以及做调度设置了。 中国食品农产品认证信息系统的网址是：http://ffip.cnca.cn/ffip/publicquery/certSearch.jsp ，这个网站最大特点是用了很多iframe，嵌套在一起展示证书信息。无论iframe有多少层，集搜客GooSeeker网络爬虫都一视同仁，就像没有iframe一样定义抓取规则。但是要注意：** 在一个整理箱中，抓取内容只能来自于一个iframe，如果需要抓取多个iframe中的内容，需要分别建立整理箱。 除了以上注意事项以外，还需要好几个抓取技巧才能顺利把证书信息抓取下来。下文将详细讲解，也可以直接下载抓取规则：中国食品农产品认证证书 1，使用移动工作台 如果屏幕很小，这个网页不会显示滚动条，那么证书列表就看不全，无法定义翻页抓取规则。MS谋数台支持两种界面布局 1）固定工作台：界面各区块是固定的，操作起来比较方便，但是屏幕太小就不方便了 2）移动工作台：工作台是浮动的，那么下部的浏览器窗口的高度就能调整。针对这个网页，需要把浏览器调整得足够大。 设置方法是：选择MS谋数台的菜单 “配置”-〉“界面布局”，选择切换。效果如下图，按住红水平线可以调整浏览器窗口高度
2，使用定位标志映射 网页上的div和td等html标签，很多都使用了相同的@class，比如，div[@class='yui-dt-liner']，每个字段都这样，MS谋数台生成抓取规则的时候，会自动选择@class或者@id，以便生成更有适应性的抓取规则，但是，有时候自动选的不合适，需要人工做定位标志映射。如下图，每个字段的 td 上有很合适的@class值，而且每个字段都不一样，特别适合。如下图，绿框中的定位标志不能用。
3，翻页标志非文本 如下图，网页上没有“下一页”这样的翻页超链接，而是一个三角图标，这是非文本翻页标志。如下图，先把工作台上的“文本记号”的勾去掉，再用@tiltle做定位标志映射。
4，选择线索的定位首选项 在没有设置线索的定位首选项之前，MS谋数台会自动优选@id来生成XPath表达式，如下图所示
如上图，点击“爬虫路线”工作台的“查看”按钮，能看到生成的翻页规则，红框里面的XPath显示使用了@id，而这个id在不同分页上是不同的，那么翻页到第二页就失效了。如下图选择线索定位首选项菜单
选择“偏好class”后，在查看翻页规则，就是 //*[.//@title="下一页" and @class='yui-pg-next'] 这样每个分页都适合 5，DS打数机上启用定时器触发
如上图，如果不设置定时器触发，就会出现日志：抓取成功，但爬虫参数还有优化空间以提高抓取速度 |
