配套软件版本：V10及更高 数据管家——增强版网络爬虫 老版本对应教程：V9及更低 集搜客网络爬虫 的对应教程是《集搜客网络爬虫的核心名词》 集搜客网络爬虫的操作方法很直观，想要什么，就把他们标记出来，网络爬虫就会自动把他们爬下来。标记过程很自由，不讲究顺序。 1. 直观标注 用爬虫软件的浏览器加载网页，在网页上，看到想采集的内容，点击两次，就弹出一个标签，给标签起个名字。把所有要采集的内容逐个这样标注。不分先后顺序。
然后，爬虫软件把标注的内容采集下来，放在一个excel表格里，类似下表。标签名就是excel表格的表头字段（注意，这只是采集了一个公司网页，实际采集中，爬虫要采集很多类似的公司网页，数据会有很多行）。
2. 任务 在一个网页做完了标注，并按爬虫软件的提示，保存下来，我们就建立了一个爬虫任务（采集任务）。以后可以运行这个任务爬数据，还可以编辑修改这个任务。 3. 整理箱 在一个爬虫任务里，被标注的内容放在一个整理箱里，整理箱对应爬虫输出的excel表格。下图红框里是一个整理箱，显示在爬虫界面左边的一个工作台上。为什么要引入整理箱这个概念？因为我们往往会对一批标注内容做一些操作，有了整理箱的概念，比较方便。而且，整理箱也凸显了集搜客爬虫的操作特点：在网页上用鼠标点一点，就把要抓取的内容放到一个箱子里。
4. 映射 “映射”这个词经常出现，表示：“把网页上的内容与整理箱中的标签建立联系”（也就是网页上的内容与excel表格的字段建立关系）。标注过程就是建立映射关系，有了这个关系，网络爬虫就知道从哪里采集数据并存储到哪里。
开始阅读《从入门到精通》 |
