推荐一个很简单的数据爬取应用,可以快捷采集到很多热门网站的数据,比如微博、知乎、淘宝、安居客、微信等等都可以爬取到,一键式操作,不用写代码也不用学软件操作。下面介绍用它爬取苏宁商品信息的操作步骤。 一、下载安装gooseeker爬虫 爬数据要用配套的gooseeker爬虫软件,所以第一步是要访问官网https://www.gooseeker.com/pro/product.html 下载软件,然后双击安装,后面的步骤都要在软件里操作。 二、访问数据DIY找到入口 打开gooseeker软件,访问https://www.gooseeker.com/res/datadiy.html,进入到数据DIY里,在顶部的目录上点击"电商>苏宁>苏宁商品搜索列表",这样就选定了入口; 目录的第三级是页面,它代表了支持爬取的网页结构,在中部有示例页面的网址,点开可以看到是关于"毛衣"商品的搜索列表页面,满足这个列表结构的苏宁商品网页,都可以用上面的入口来爬数据。 比如要爬取关于"衣柜"商品的列表信息,可以在示例网页上方的搜索输入框中输入关键词"衣柜"后点击搜索,就能搜索得到关于"衣柜"商品的列表页网址,要采集什么商品,都可以通过输入关键词搜索的方式得到相关商品的列表页网址。 要注意的是:苏宁限制了最多显示100页,如果商品列表超过了100页,可以通过点击目录下的分类进行细分,把网址下的页码数控制在100页以内,再把各级分类的网址拷贝整理出来。 三、添加网址爬数据 通过以上的方式获得网址,只有一条商品网址的话,可以直接粘贴到输入框里,然后选择要爬取的页数,最后点击获取数据; 有多条网址的话,先选择爬取页数,再点击"输入多条网址"按钮,把多条网址拷贝粘贴进去,最后确定; 添加网址成功后,会提示启动两个爬虫窗口,点启动,就会看到有两个爬虫窗口和一个管理窗口打开; 爬虫窗口就是一个浏览器窗口,它会自动访问要采集的网址,然后把数据存下来。 四、下载数据 爬虫窗口没有再访问网页,说明爬取完成了,到管理窗口把数据打包和下载下来。 然后在软件右上角的下载历史按钮里,可以查到存储路径,根据路径找到数据包,查看数据表。 五、进一步爬取苏宁商品的评论信息 前面下载的数据表里的商品链接就是详情页面的网址,因为商品评论也在详情页里,如果我们要采集苏宁商品的评论信息,可以切换到"苏宁商品评论",因为一条商品详情页网址里会有很多页评论,所以需要先选择爬取页数,再从表里拷贝要采集的商品链接添加进评论采集入口,启动采集,大致的步骤与上面采集商品列表信息一致。 采集到的苏宁商品评论信息如下图所示,要注意的是,苏宁商品的评论也是有限制的,最多只能显示100页,如果要爬多点评论数据,可以隔一段时间爬一次。 |