采集场景

在爱采购搜索页面 https://b2b.baidu.com/ 输入关键词搜索,然后采集搜索后得到的多个商品列表数据。

 

采集字段

商品名称、余量、产品标签、价格、产地、厂家名称、商品图片链接等字段。

 

点击查看高清大图,下文其他图片同理  

 

采集结果

采集结果可导出为Excel、CSV、HTML、数据库等多种格式。导出为Excel示例:

 

 

教程说明

本篇制作时间:2020/9/28   八爪鱼版本:V8.1.22

如果因网页改版造成网址或步骤无效,无法收集到目标数据,请联系官方客服,我们将及时修正。

 

采集步骤

 

步骤一、打开网页

步骤二、批量输入多个关键词并搜索

步骤三、使用【智能识别】,采集所有商品列表中的数据

步骤四、编辑字段

步骤五、设置滚动

步骤六、修改【循环翻页】和【循环列表】XPath

步骤七、启动采集

 

以下为具体步骤:

 

步骤一、打开网页

 

在首页【输入框】中输入目标网址:https://b2b.baidu.com/ ,点击【开始采集】,八爪鱼自动打开网页。

 

 

特别说明:

a. 打开网页后,如果开始开始【自动识别】,请点击【不再自动识别】或【取消识别】将其关掉。因为当前步骤不需要用到智能识别。

b. 【自动识别】适用于自动识别网页上的列表、滚动和翻页,识别成功后直接启动采集即可获取数据。详情点击查看 【自动识别】教程

 

步骤二、批量输入多个关键词并搜索

 

打开网页后,通过以下几步,实现批量输入多个关键词。


 
1、输入1个关键词并搜索

选中搜索框,在操作提示框中,点击【输入文本】,输入关键词并保存。

选中【搜索】按钮,在操作提示框中,点击【点击该按钮】,出现关键词的搜索结果。

 

 

2、批量输入多个关键词

如需批量输入多个关键词,请按以下步骤操作:

 

① 在【打开网页1】步骤后,添加一个【循环】。

② 将【输入文本】和【点击元素】都拖入【循环】中。

 

 

③ 进入【循环】设置页面。选择循环方式为【文本列表】,点击按钮,将我们准备好的关键字输进去(可同时输入多个关键字,一行一个即可)后保存。

④ 进入【输入文本】设置页面,删除原有的关键词,勾选【使用当前循环里的文本来填充输入框】后保存。

 

 

特别说明:

a. 示例中输入的关键词是【除湿机】、【除草机】、【净化器】,可根据自身需求进行替换。

b. 一次最多输入2W个关键字。可先准备一个包含多个关键字的文档,然后将其复制粘贴进八爪鱼中。

 

步骤三、使用【智能识别】,采集所有商品列表中的数据

 

打开网页后,点击右上角操作提示框中的【自动识别】,等待一会后发现,自动成功识别了页面的商品列表数据

同时,还识别到了【滚动加载数据】和【翻页采集】,这是因为本网页通过向下滚动和点击【下一页】翻页,加载更多数据。

然后点击【生成采集设置】,将自动识别出的列表数据、滚动和翻页,生成为采集流程,方便我们使用和修改。

 

 

特别说明:

a.打开网页后,默认开启智能识别。识别过程中,随时可【取消识别】或【不再智能识别】

b. 智能识别成功,一个网页可能有多组数据,八爪鱼会将所有数据识别出来,然后智能推荐最常用的那组。如果推荐的不是想要的,可自行【切换识别结果】

 

步骤四、编辑字段

 

1、添加字段

部分想要的字段【自动识别】不出来,如需手动添加可按以下步骤操作:

 

① 进入【提取数据列表】步骤设置页面

② 点击【+】号,选择【从页面中添加字段】

③ 在网页中选中想要采集的字段进行添加

 

 

2、修改字段名称,删除多余字段

进入【提取数据列表】步骤的设置页面后,还可进行删除多余字段,修改字段名称,移动字段顺序等操作。

 

 

步骤五、设置滚动

 

点击搜索和翻页后,网页默认只显示部分商品列表。向下滚动页面到底部,才会加载出全部商品列表,在八爪鱼中也需设置滚动。

进入【点击元素】和【点击翻页】设置页面,点开【页面加载后】,设置【页面加载后向下滚动】,滚动方式为【向下滚动一屏】,【滚动次数】为20次,【每次间隔】2秒 ,设置后保存。

 

 

特别说明:

a. 设置中的滚动次数和时间间隔,请根据采集需求和网页加载情况进行设置,并非是一成不变的,具体请点击查看 处理滚动加载数据的网页教程

 

步骤六:修改【循环翻页】和【循环列表】XPath

 

默认的【循环翻页】XPath无法精准实现翻页,会导致其他关键词无法输入并采集的问题,需手动修改【循环翻页】XPath。

自动识别到的【循环列表】并不精准,我们也需要修改【循环列表】的XPath。

 

进入【循环翻页】设置页面,修改XPath为://li[@class="ivu-page-item ivu-page-item-active"]/following-sibling::li[1][not(@title="下一页")] 。 

进入【循环列表】设置页面,修改XPath为://div[@class="product-list"]/div

 

 

特别说明:

a. 为什么会不结束翻页?这是因为【循环翻页】默认生成的XPath,在最后1页时,仍然能定位到【下一页】按钮,这就会导致其一直点击【下一页】按钮,不结束翻页。为了解决这个问题,我们需要手动写一条XPath,使之在当前页为非最后一页时,都能定位到【下一页】按钮,以实现不断点击【下一页】按钮进行翻页。同时在当前页为最后一页时,不定位到【下一页】按钮,以结束翻页。这里需要一定的XPath知识。点击查看 XPath学习与实例教程 。

 

步骤七、启动采集

 

1、单击【采集】并【启动本地采集】。启动后八爪鱼开始自动采集数据。

 

 

特别说明:

a. 【本地采集】是使用自己的电脑进行采集,【云采集】是使用八爪鱼提供的云服务器采集,点击查看 本地采集与云采集详解

 

2、采集完成后,选择合适的导出方式导出数据。支持导出为Excel、CSV、HTML、数据库等。这里导出为Excel。数据示例:

 

 

 

作者:Tom

编辑:Aisling