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。 各个动作类型的界面基本上是大同小异的，下面以点击动作为例介绍一下界面上的功能按钮。主要是：
目标主题名 连续动作的目标主题名只能填一个，作用是告诉爬虫连续动作之后的网页要使用哪个抓取规则。当连续动作执行前后的网页结构发生变化，就必须填不同的目标主题名，不能填当前主题名，工作原理是与层级采集类似；当前后的网页结构不变，既可以填不同的主题名，也可以填当前主题名，原理是与翻页采集类似，总之，是否使用相同的主题名要根据网页结构是否改变做判断。 新建 新建一个动作，然后选择动作类型；这是按顺序建立的，如果需要调整顺序，可以点击“排序”按钮。 删除 删除当前的动作步骤。 排序 爬虫是按照动作步骤的先后顺序来执行的，如果有多个动作，可以通过“排序”来调整执行顺序。 作用是锁定操作范围和动作对象的数量，通过xpath表达式来指定，所以，定位表达式要填上准确的xpath，才能让爬虫自动执行相应的动作。如果XPath表达式定位到多个节点，DS打数机就会自动编排循环模式，不用人工规划循环过程（具体参看“必做”一节）。这里的xpath支持相对定位和绝对定位，可以自己编写，也可以用“显示XPath”功能生成。下面介绍一下 “显示XPath”功能的用法：
通过点击网页上的动作对象，然后点击“显示XPath”按钮，选择其中一种模式，在方框里就会自动生成xpath，点击“搜索”按钮检查一下是否定位到想要的动作对象节点。 注意：如果想得到多个动作对象循环的效果，但是自动生成的xpath只定位到一个动作对象，就要手工修改xpath来满足。 动作名称 自定义的名称，就是动作的说明，方便修改连续动作。 高级设置
让爬虫在执行动作后再等待额外的时间，然后再去执行下一步动作。额外延时主要有两个作用，一是延长等待时间，因为很多网页是ajax异步加载的，需要等待一定时间才会加载出全部信息，延长时间可以确保网页加载完全，防止数据漏抓。二是更加逼真地模仿人的浏览行为，让网站无法识别出是爬虫工具，从而避开反爬手段。 如果定位表达式的xpath锁定了多个动作对象，但不想从第一个对象开始，就可以通过起点来指定从第几个开始。特别是选择动作，由于它的定位表达式是定位到整个下拉菜单的select节点，而不是某个选项的option节点，就要通过起点来指定从第几个选项开始。 如果定位表达式的xpath锁定了多个动作对象，但不想按顺序执行每一个动作对象，就可以通过跨度设置一个间隔数，爬虫就会按照间隔数跳着执行下一个动作对象。例如选择动作，起点为3，跨度为10，爬虫第一次是点击第3个选项，第二次是点击第13个选项，…，以此类推。 新建一个动作，默认都是勾上必做的，顾名思义，是指每次循环都要执行的动作。在《把信息与连续动作步骤对应起来》一文中，设置的两个点击动作都是默认必做，它的执行流程就是如图（1）所示，每次都会先点击一级目录，再点击二级目录；如果第一个点击动作不勾必做，第二个动作依然默认必做，那么它的执行流程就会变成图（2）的过程，这时就不会每次都点击一级目录，而是在切换目录时才点击一次。是否必做，请根据实际网页的情况进行调试。
默认是勾上模拟点击，作用是让爬虫更逼真地模拟人浏览网页的行为，避免被网站监测出是爬虫。 但是勾上模拟点击，只能对网页上显示出来的位置进行点击，无法点击底层的网页标签。例如，如果网页是采用CSS控制了多个HTML标签的显示层次，最上层是一个小浮窗，被浮窗遮挡下，是底层的网页信息，那么模拟点击只能点击到最表层的浮窗页面，点不了浮窗遮挡下的底层网页信息。如果不设置模拟点击，无论显示的时候是否能被看到，都能够点击到指定的网页标签节点。 勾上窗口可见，爬虫窗口就会一直置顶，显示在电脑屏幕的最前面，作用是更加逼真的模拟人浏览网页的行为，以避开一些反爬虫手段。因为有些网站会检测当前的浏览行为是不是在置顶窗口里发生的，是的话就回复请求信息，不是的话就拒绝请求信息，所以，设置窗口可见，就能躲过这个监测。 对同一个动作对象重复执行的次数，用于只有一个动作对象但是要点击多次的情况。例如，通过连续动作来实现翻页，设置一个点击动作，xpath锁定了网页上的“下一页”按钮，这里就定位到一个，那么爬虫就只点击一次，也就是只能从第一页翻到第二页，想要爬虫继续翻页，就要设置重复次数，在点击一次翻页之后下次还能继续点击翻页。当然，这里仅作为讲解案例，我们希望大家在爬虫路线上定义翻页规则，一方面易于使用，另一方面，有多种翻页方式可选择。 用于提取动作对象的值，适用于点击、双击、悬浮、提交这四个动作。要以定位表达式里的xpath为起点路径，编写定位到动作对象的值的相对xpath填进去，爬虫就会把采到的动作对象的值存储在xml文件的actionvalue字段。 注意：输入和选择动作是默认把对象值记录在xml文件的actionvalue字段中。 当重复次数设置了一个无限大的数值时，爬虫多余的点击就显得浪费时间了，此时，可以在合用表达式里填上xpath，这个xpath的计算结果必须是布尔值，所以要注意选择合适的xpath函数。true值则继续执行动作，false值则终止或者跳过本步动作，这样就能让爬虫可以自动判断停止；而在打码动作中，合用表达式则是用来判断是否重新打码。
只存在输入动作的高级设置里，如果网页上的搜索框可以根据关键词自动联想到最热的搜索词，此时，勾上输入联想，爬虫就会自动搜索联想词，如果勾选上输入联想，最好设置额外延时，因为把联想词传递给爬虫还是需要一定时间的。
只存在回退动作的高级设置里，回退动作的作用是返回上级网页，而回退次数则是指定了返回多少级以上的网页。参数值默认是1，表示返回上一级网页，填2或以上的数值，就表示返回2级或以上的网页。 上篇文章：《连续打码：破解各种验证码》 下篇文章：《如何找到合适的连续动作组合》
若有疑问可以或
 |
