案例1_链家
链家的同学请原谅我，但你们的网站做的真是不错。
1.设计网页采集器
我们以爬取链家二手房为例，介绍网页采集器的使用。首先双击图标，加载采集器：
在最上方的地址栏中，输入要采集的目标网址，本次是http://bj.lianjia.com/ershoufang/。并点击刷新网页。此时，下方展示的是获取的html文本，目前工作模式默认是List。
原始网站页面如下：
此时，有两种做法来获取想要的房产数据：
1.1.全自动嗅探：手气不错
直接无脑点击手气不错,弹出下面的界面：
对于链家这个例子，你可以修改每个列对应的名字，如房价，总面积等。或者更懒一点，直接点击确认结果即可。
Hawk3的手气不错功能得到大大加强，大部分手工操作已经不需要了。
1.2.手动模式
在一些情况下，由于软件不知道到底要获取哪些内容，因此需要手工给定几个关键字， 让Hawk搜索关键字， 并获取位置。
以上述页面为例，通过检索820万和51789（单价,每次采集时都会有所不同），我们就能通过DOM树的路径，找出整个房源列表的根节点。
下面是实际步骤
由于要抓取列表，所以读取模式选择List。 填入搜索字符94.71， 发现能够成功获取XPath,左边的源代码框会自动跳转到对应位置， 编写属性为“面积” ，点击添加，即可添加一个属性。类似地，再填入303，设置属性名称为“总价”，即可添加另外一个属性。
如果发现有错误，可点击编辑集合， 对属性进行删除，修改和排序。
你可以类似的将所有要抓取的特征字段添加进去，或是直接点击手气不错，系统会根据目前的属性，推测其他属性:
属性的名称是自动推断的，如果不满意，可以修改列表第一列的属性名，点击刷新后更新。
工作过程中，可点击提取测试 ，随时查看采集器目前的能够抓取的数据内容。这样，一个链家二手房的网页采集器即可完成。可在网页采集器最上方，修改采集器的模块名称，这样就方便数据清洗任务调用该采集器。
2.设计数据清洗
2.1.构造url列表
在上一节介绍了如何实现一个页面的采集，但如何采集所有二手房数据呢？ 这涉及到翻页。
还是以链家为例，翻页时，我们会看到页面是这样变换的：
http://bj.lianjia.com/ershoufang/pg2/
http://bj.lianjia.com/ershoufang/pg3/
…
因此，需要构造一串上面的url. 聪明的你肯定会想到， 应当先生成一组序列， 从1到100（假设我们只抓取前100页）。
- 除了在软件的欢迎页面上双击数据清洗，也可以
系统状态视图中已加载任务列表下，点击加号，快速创建新的任务:
在左侧的搜索栏中搜索生成区间数， 将该模块拖到右侧上方的栏目中：
-
在右侧栏目中双击生成区间数，可弹出设置窗口， 为该列起名字(id), 最大值填写为100,生成模式默认为Append: 为什么只显示了前20个？ 这是程序的虚拟化机制， 并没有加载全部的数据，可修改采样量（默认为20）。
-
将数字转换为url, 熟悉C#的读者，可以想到string.format, 或者python的%符号：搜索合并多列，并将其拖拽到刚才生成的id列， 编写format为下图的格式，即可将原先的数值列变换为一组url
(如果需要多个列合并为一个列， 则在“其他项” 栏目中填写其他列的列名，用空格分割， 并在format中用{1},{2}..等表示)
(由于设计的问题，数据查看器的宽度不超过150像素，因此对长文本显示不全，可以点击单元格弹出对应完整文本。
3.调用网页采集器
生成这串URL之后，我们即可将刚才已经完成的网页采集器处理这串url。
拖拽从爬虫转换到当前的url，在爬虫选择 栏目中选择刚才配置的采集器名称。
（不少朋友在此处出现问题，需要在从爬虫选择模块中，填写你配置的网页采集器名称，如果没有修改，则默认就是网页采集器）
之后，系统就会转换出爬取的前20条数据：
可以看到， 数据中“属性3” 列包含html转义符，
拖拽html字符转义，到属性3列，即可自动转换所有转义符。
如果要修改列名，在最上方的列名上直接修改， 点击回车即可修改名字。
where（面积）列中包含数字，想把数字提取出来，可以将提取数字模块拖拽到该列上，所有数字即可提取出来。
类似地，可以拖拽字符分割或正则分割 到某一列，从而分割文本和替换文本。此处不再赘述。
有一些列为空，可以拖拽空对象过滤器 到该列，那么该列为空的话会自动过滤这一行数据。
4.保存和导出数据
需要保存数据时，可以选择写入文件，或者是临时存储（本软件的数据管理器），或是数据库。这就是执行器的作用。
执行器代表一些有副作用的模块，在调试模式中它们不会执行，只有在运行时才会生效。
拖写入数据表到任意一列， 并填入新建表名(如链家二手房)
下图是这次操作的所有子模块列表：
之后，即可对整个过程进行操作：
选择串行模式或并行模式， 并行模式使用线程池， 可设定最多同时执行的线程数（最好不要超过100）。推荐使用并行模式，
点击执行按钮，即可在任务管理视图中采集数据。
之后，在数据管理的数据表链家二手房上点击右键， 选择另存为， 导出到Excel,Json等，即可将原始数据导出到外部文件中。
类似的， 你可以在清洗流程中拖入执行器，则保存的是中间过程，也可以在结尾拖入多个执行器，这样就能同时写入数据库或文件， 从而获得了极大的灵活性。
5.保存任务
在系统状态视图的已加载任务上点击右键，保存任务，即可在欢迎页面中保存新任务（任务名称与当前模块名字一致），下次可直接加载即可。如果存在同名任务， 则会对原有任务进行覆盖。
在已加载任务的空白处，点击保存所有模块,会批量保存所有的任务。同样，你可以试着将不同的任务拖拽到下面的图标上，分别可复制，保存和删除任务。
你可以将一批任务，保存为一个工程文件(xml)，并在之后将其加载和分发。
这就是Hawk入门的第一篇教程，尽量简单，不涉及复杂操作。