集搜客针对不同的网站(网页)提供了很多快捷采集工具,添加链接或者关键词,就可以采集数据,不用做采集规则,非常简单快捷。 我们以马蜂窝游记采集为例,讲解快捷采集的使用过程。 1. 首先下载安装Gooseeker数据管家(增强版爬虫软件) 数据管家实际是一个特殊的浏览器,具有爬虫功能和数据分析功能的浏览器。 安装完毕,数据管家会自启动。请按提示,登陆爬虫账号。 关闭数据管家后,要再次启动,可双击桌面上的数据管家图标。 2.在Gooseeker数据管家,打开集搜客官网https://www.gooseeker.com 登陆爬虫,登陆会员中心(注意爬虫账号和会员中心账号一定要一致),并检查是否已经连上服务器(绿勾连接,红勾未连接)。 3. 登陆马蜂窝 根据使用经验,采集马蜂窝之前,最好登陆马蜂窝网站,才能持续浏览完整内容。 在数据管家新开一个页签,在新页签打开马蜂窝网站 https://www.mafengwo.cn/,并登陆一个马蜂窝账号。 4. 进入快捷采集 点击数据管家左侧边栏的“快”按钮,进入快捷采集。 5. 选择合适的快捷工具 根据要采集的网页,选择 类别 - 网站 - 网页。 比如我们要采集马蜂窝游记列表页面,选择 旅游 -马蜂窝 -马蜂窝游记采集_列表 如下图所示,可以打开示例页面看看,确保后面操作时,添加的链接和示例页面类似。或者浏览网页下方的示例数据,进一步了解选定的快捷工具是否满足要求。 Tips:马蜂窝的快捷采集工具有很多种,对应不同的马蜂窝页面,包括游记详情、游记评论;景点列表、详情和评论;酒店列表、酒店详情和评论;问答列表、详情等。也有其它旅游网站的快捷工具。 6. 操作步骤 我们马蜂窝游记列表页面采集工具为例,讲解操作过程。 6.1 粘贴链接,启动采集 比如,我们要采集目的地-山东-青岛-游记 ,在马蜂窝网站上,用Ctrl+c 复制这个链接https://www.mafengwo.cn/yj/10444/,用Ctrl+v粘贴到快捷工具的网址输入栏,启动采集。 6.2 采集中的爬虫窗口 点击获取数据之后, 数据管家自动弹出两个采集窗口(窗口右下方有绿色的状态球),一个窗口加载网页,采集数据,一个窗口打包上传数据。两个采集窗口工作时,都不能关闭。 6.3 打包下载数据 数据管家在弹出采集窗口的同时,还弹出了一个快捷采集数据管理窗口。 采集完成后,采集状态会从橙色的“采集中”,变成绿色的”已采集”。然后打包下载数据,下载下来的数据一般保存在电脑的下载文件夹。 如果,采集不成功,采集状态会变成红色的“已停止”,这时,要检查 添加的链接是否和样本页面类似; 需要提前登陆的网站,是否已经登陆; 再重新采集一遍,注意观察采集窗口,网页是否正常加载,如果网页正常加载,但仍然采集失败,请在论坛或者QQ群联系集搜客官方,我们会及时测试维护这些工具。 7. 采集到的数据 马蜂窝游记列表快捷工具采集到的数据: 8. 快捷采集工具的复合使用 上面我们采集到马蜂窝游记列表页面上很多游记的数据,比较值得注意的一个字段是游记链接,这是游记详情页面的链接,我们可以把这列数据用Ctrl+c拷贝下来,然后用Ctrl+v批量粘贴添加到马蜂窝游记详情工具,就可以批量采集到游记详情信息。 可以看到,通过多个快捷工具的复合使用,能采集到更大批量的数据。 |