用GooSeeker数据管家能采集微博内容吗？

集搜客数据管家是GooSeeker发布的采用新内核的网络爬虫工具，数据管家不仅仅把集搜客网络爬虫软件移植到新内核上，而且整个操作体验更加简洁易用了。

下面将讲解用数据管家采集微博的操作过程，请预先下载并安装好集搜客数据管家软件。

1，进入微博采集工具管理界面

集搜客数据管家软件看起来就是一个浏览器，用法也跟浏览器一样。要采集微博数据，就要在数据管家上先进入微博采集工具箱页面，页面上有好多微博采集工具，找到想使用的微博工具，进入该工具的管理页面，就可启动采集过程和管理采集过程。下面将详细讲解。

1.1，进入微博工具箱页面

微博采集工具箱页面罗列了所有工具，是gooseeker.com官网上的一个网页。

a)    怎样找到微博工具箱

数据管家刚一运行，就会把GooSeeker网站首页加载出来。另一个进入方法是点击地址栏上的“返回首页”按钮重新把首页显示出来（参看下图箭头指向的按钮）。

在首页顶部选择菜单“产品”->“微博采集”就能进入微博采集工具箱界面。

b)    选择合适的微博采集工具

微博上的不同网页对应不同的采集工具，这些采集工具的关系参看《新浪微博数据采集攻略》，这些工具可以组合在一起使用，前一个工具采集到的数据导成excel格式以后，把网址拷贝出来，添加到下一个工具中。

点击下图中的某个工具，会进入工具介绍页，在那里点击“开始使用”按钮即可进入工具的管理页面。

如下图，每个方块是一个微博采集工具。

下面以关键词搜索结果采集为例，讲解爬虫运行方法。

1.2，进入关键词搜索结果采集界面

虽然微博采集工具不同，但是界面基本上相同，主要的功能按钮有：

a）创建任务

对应上图的“确认添加”和“细分条件”，当输入了要搜索的关键词以后，可以设置细分条件，也可以不设置。确认添加后就创建了采集任务

b）启动采集

对应上图的“启动采集”按钮。如果数据管家还没有运行起来两个爬虫群窗口，那么需要点击“启动采集”，点击后会提示是否需要预先登录微博。如果还没有登录，一定要先登录微博。

c）打包

采集完成了或者在采集中途，都可以点击“打包”按钮，就能看到提示界面，把已经采集到的微博数据下载下来。

d）数据下载

只有新采集的数据可以点击“打包”按钮，如果要重新下载以前打包的数据，点击“数据下载”按钮。

e）其他功能

界面上还有很多管理功能，比如

1，点击“采集状态”按钮，可以看详细的采集进度

2，点击某条采集任务的关键词，界面下部就会显示最新采集结果数据

3，点击“采集状态”按钮以后，在界面上会显示“重采失败线索”按钮，可以把采集失败的网址重新采集一遍。

2，观察采集运行情况

2.1，采集数据的窗口

集搜客数据管家可以同时打开很多页签浏览器，点击“启动采集”的时候会增加两个页签浏览器窗口，他们跟普通窗口不一样，右下角有个进度球，鼠标悬浮在上面可以看到状态不断变化。

有进度球的窗口关闭的时候都会提示，要求确认是“强制关闭”还是“安全关闭”，如果强制关闭，窗口立即就关闭了，如果安全关闭，等待把当前任务采集完成了，就会自动关闭。

2.2，打包数据的窗口

启动微博采集以后，会同时运行起来两个爬虫群窗口，其中一个看起来并不采集数据，但是，最好也不要关闭，因为这个窗口是专门用来打包数据的，如果关闭了，只能等采集数据的窗口做最后一次打包，如果最后这一次打包失败，会丢失掉大量数据。

下面是打包数据窗口的截图，可以看到持续不断地打包数据。这种增量式打包更可靠，即使有丢失也是局部的。

3，注意事项

1. 爬虫正在运行的时候，不要最小化数据管家的界面，也不要缩小，而是应该尽量最大化，否则微博有可能会不加载网页内容。

2. 如果还想用电脑做其他事情，数据管家界面上可以覆盖别的窗口，并不影响爬虫的运行，就是不能最小化。