什么都不懂的小白,请看这里!

2015-10-16 18:40| 发布者: wangyong| 查看: 72175| 评论: 38

摘要: 针对第一次接触爬虫的小白进行入门引导

您现在看到的是旧版软件教程,新版软件的界面、功能经过全新改版,更加简单好用  请转到最新的入门教程

集搜客想让你最便捷地获取数据,让你有“要什么就抓什么”的感觉,要记住核心要领:

第一步:先建立一个箱子,这里要存储你想抓的内容(术语叫:整理箱)

第二步:接着告诉集搜客程序,网页上哪个内容需要丢到箱子中(术语叫:映射)


集搜客能自动生成抓取规则。不用从技术角度去规划怎样循环,集搜客能自动处理这些技术过程。掌握了这两个要领,我们看看细节吧。

什么都不懂的小白们,一开始接触此类软件都会觉得好难啊,怎么这么多专业名词啊,我好晕啊!!!嘛~不要急呐~新技能的get哪会那么容易呢,玩个游戏要玩好都需要时间,更何况咱们还是做这么有技术含量的事呢。废话不多说,本文就是为了帮助小白建立学习的信心,只要你认真看完本文,成功抓取样本数据,你也就入门啦!撒花撒花~

注释:本文演示的抓取规则,可到资源库下载学习:集搜客怎样抓取网页数据演示规则,下载运行即可抓取样本数据


一、制作采集规则

如果把“抓取数据”比喻成“做一道数学题”的话,“规则”就是你要得到“计算结果”(就是数据)之前列出的“方程式”。后面的很多概念请好好看图哦,图上面都有标明的。

1,输入目标抓取网址,并给规则起个名

图1 

第一步:将要抓取的网址输入到MS谋数台的网址栏按ENTER键加载,底部浏览器窗口就会把网页加载显示出来。 

第二步:网页显示后,在“命名主题工作台”处输入主题名并 查重以确定主题名是否可用

2,新建整理箱

图2 

第一步: 点击新建按钮,在弹出的窗口中输入想要命名的整理箱名称。 

第二步: 在整理箱中创建抓取内容,右击整理箱名称选择 “添加→包容”(表示抓取内容包含在整理箱中)。继续添加的话,选择“包容”就是建立多层次的整理箱结构,选择“其前/其后”就是建立同级前后顺序的抓取内容。

第三步:勾选“关键内容”,选择整理箱中 重要且确定会在网页上出现的内容 勾上“关键内容”。

3,将网页内容映射到整理箱

 

图3 

第一步: 在浏览器窗口中点击目标数据——“商品名”(Apple/苹果iphone 6s)

第二步: 谋数台会自动定位到“商品名”的网页标签节点(A节点)。

第三步: 双击展开A节点,找到#text(文本信息通常储存在#text中)。

第四步: 点击#text,可在 “文本窗口” 内容中看到text的值;

第五步: 右击#text做 “内容映射” 到商品名称

抓取“商品价格”和抓取商品名称的操作步骤相同。

4,使用 样例复制 功能实现批量获取

图4 

第一步:点击容器节点 整理箱名

第二步:勾选启用,启用 样例复制 功能

第三步:分别找到第一个商品 和 第二个商品 对应的网页标签节点

第四步:右击 第一个商品对应节点 样例复制功能中的 “第一个” 映射到 样例1

第五步:右击 第二个商品对应节点 样例复制功能中的 “第二个” 映射到 样例2


5,规则测试成功后存规则

图5

第一步:点击 测试 按钮可以看到抓取的内容,并且检查数据是否完整准确

第二步:数据无误的话,点击 存规则,规则就会被保存到服务器中。

第三步:保存规则成功后,点击 爬数据 按钮就开始采集了。


二、启动打数机爬数据

1,爬数据

两种启动方法(两者选一即可):

第一种:直接点击MS里面 “存规则” 按钮后面的 “爬数据” 按钮

第二种:打开 DS打数机,在 “搜索框” 输入 主题名(可使用通配符*辅助搜索)搜索后点击单搜开始抓取数据。

第一种是快捷方式,窗口颜色不一样,功能比较少,第二种是通用方式。

图6

2,看结果

数据以XML格式 默认存放在C盘用户文件夹的DataScraperWorks 中,可自定义更改结果存储路径。

同时集搜客提供将XML批量导入EXCEL的工具。导入excel之后的数据,如图6所示。 

图7


本文主要是给什么都不懂的小白找一点学习的感觉,但是要真正解决需求,还是得从初级教程中级教程高级教程循序渐进地学习。因为很多需求,光靠上面那些步骤是没法搞定的,需要更多的操作。如果看懂了,就可以开始着手试试啦~


188

鲜花
4

握手
4

雷人
4

路过
20

鸡蛋

刚表态过的朋友 (220 人)

相关阅读

发表评论

最新评论

评论 Fuller 2018-8-2 16:21
ml4244781: 作为新手,说句实话:上手性做的不行
这是个老教程,应该看这个:https://www.gooseeker.com/doc/article-325-1.html
评论 ml4244781 2018-8-2 15:47
作为新手,说句实话:上手性做的不行
评论 seraphicyou 2018-2-4 03:14
完成了第一步!耶!很有成就感
评论 umsung 2017-12-1 14:12
john0810: 半天就爬了两条数据,根本就不适合小白好吗
这篇教程适合小白学习,搞懂了基本就入门了。
评论 john0810 2017-12-1 12:45
半天就爬了两条数据,根本就不适合小白好吗
评论 Fuller 2017-3-1 09:30
潇湘夜雨zpb: 汉子也是
最新版入门教程在这里: http://www.gooseeker.com/doc/article-340-1.html
从这篇开始,看几篇,先掌握基本概念
评论 潇湘夜雨zpb 2017-3-1 08:15
Fuller: 这一篇小白指引是否符合你的口味:<a href="http://www.gooseeker.com/doc/article-266-1.html" target="_blank">http://www.gooseeker.com/doc/article-266-1.html</a>
汉子也是
评论 kokofan2016 2016-10-10 15:03
好棒
评论 Fuller 2016-9-22 15:19
要写毕业论文的苦逼妹子: 还是不太会,哇的一声就哭了T^T
这一篇小白指引是否符合你的口味:http://www.gooseeker.com/doc/article-266-1.html
评论 要写毕业论文的苦逼妹子 2016-9-22 13:41
还是不太会,哇的一声就哭了T^T
评论 longlongago 2016-8-12 22:30
好棒~果然是浅显易懂~~
评论 canalcheng 2016-8-10 16:16
绝对赞,小白也能够当爬数据的一把好手
评论 摇滚比卡丘 2016-7-31 11:42
小白居然学会啊~~~谢谢啊
评论 Fuller 2016-6-27 15:15
cleegeon: 好难啊啊啊 ~~~~~
GooSeeker提供直观标注,应该说是算比较容易的了,有些网页结构十分复杂,需要掌握一些高级技巧,那么做入门练习的时候选一个简单一些的网站做练习
评论 cleegeon 2016-6-27 14:25
好难啊啊啊 ~~~~~
评论 Fuller 2016-5-24 21:27
不必自己花时间,委托别人采数据即可,自己花时间和花钱是一样的。
qiankeyun1990: 我用了1个小时 发现还是不会用 果断删除  除非真的这个领域的 不然没人会深入花大把时间去搞这个  这个软件的普及性还有待提高 ...
评论 qiankeyun1990 2016-5-24 20:16
我用了1个小时 发现还是不会用 果断删除  除非真的这个领域的 不然没人会深入花大把时间去搞这个  这个软件的普及性还有待提高
评论 Fuller 2016-5-17 09:24
18046804885: 每次抓取的数据在“输出信息”哪里显示的非常分散 怎么回事?
答复参看:http://www.gooseeker.com/doc/thread-1780-1-1.html
评论 18046804885 2016-5-17 02:34
每次抓取的数据在“输出信息”哪里显示的非常分散 怎么回事?
评论 hantao911911 2016-4-28 15:43
饭团: 我win7用这个显示不全,最下面那半截被挡住了
点配置-界面布局-移动工作台

查看全部评论(38)

GMT+8, 2024-10-11 20:47