请输入
菜单

URL循环:批量采集同类网页

有时候,我们有大量同类网页,希望八爪鱼能自动采集每个网页中的数据。通过设置【URL循环】,可实现此需求。

 

什么是同类网页?结构相同、字段差不多的网页。例:

 

京东商品详情页:

https://item.jd.com/1138288.html

https://item.jd.com/27305099378.html

https://item.jd.com/46339353993.html

 

豆瓣电影详情页:

https://movie.douban.com/subject/26387939/

https://movie.douban.com/subject/6311303/

https://movie.douban.com/subject/1578714/

 

 

一、【URL循环】操作演示

 

示例网址:

https://movie.douban.com/subject/26387939/

https://movie.douban.com/subject/6311303/

https://movie.douban.com/subject/1578714/

https://movie.douban.com/subject/26718838/

https://movie.douban.com/subject/25937854/

https://movie.douban.com/subject/26743573/

https://movie.douban.com/subject/20451290/

https://movie.douban.com/subject/26816383/

 

采集需求:

采集每个豆瓣电影详情页的电影

 

Step1. 打开网页

在首页左上角点击【新建】—【自定义任务】。网址输入界面默认的是【手动输入】。将复制好的一批同类网址,粘贴进网址输入框中,并点击【保存网址】。八爪鱼中内置的浏览器会自动打开网页。同时,可以看到,流程中已自动创建【循环-打开网页】步骤。

 

 

特别说明:

a. 手动输入的url数量不得大于1万个,如有超过1万url,请选择【从文件导入】,具体请查看教程 网址批量输入

b.  Url还可以选择【从任务导入】和【批量生成】,具体请查看教程 网址批量输入

 

Step2. 按照需求配置所需的字段。

 

Step3. 配置完成后启动采集。

 

采集到的数据示例如下图所示:

 

 

 

二、Url循环的使用场景

 

1、【URL循环】的任务,在进行【云采集】时,可有效进行任务拆分,分配到每个云节点上并发采集,极大提高采集速度。

点击  云采集原理以及规则加速设置 查看url循环类规则进行云采集拆分加速的详细过程。

 

2、有的网页在采集时,点击跳转至详情页后,无法返回列表页。可以先在列表页采集详情页URL,然后通过【URL循环】,批量打采集每个详情页内的数据。

 

 

作者:西瓜

编辑:Jeffrey

最近修改: 2024-01-25