电商
社交媒体
新闻资讯
生活服务
金融
【哔哩哔哩】视频采集
2020-04-21
4109
采集场景
在B站首页(https://www.bilibili.com/),输入关键词搜索,得到相关视频列表页,然后点击视频链接进入其详情页,采集视频详情页中的详细信息。
示例在首页输入关键词【vlog】搜索,得到搜索结果列表页网址:https://search.bilibili.com/all?keyword=vlog 。
采集字段
视频标题、发布时间、视频时长、总播放数、总弹幕数、硬币数、收藏数、视频代码地址、视频介绍、发布者、发布者头像、发布者主页、页面网址等字段。
鼠标放到图片上,右键,选择【在新标签页中打开图片】可查看高清大图
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
本篇更新时间:2020/5/7 八爪鱼版本:V8.1.8
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、创建【循环翻页】,采集多页数据
步骤三、建立【循环-点击元素】,进入每个视频的详情页
步骤四、提取详情页中的字段
步骤五、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://search.bilibili.com/all?keyword=vlog,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】,请等待自动识别完成。八爪鱼支持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并获取数据。如果【自动识别】的结果不是我们需要的,可点击【取消】关闭智能识别,自行配置采集流程。详情点击查看【自动识别】
b. 示例网址是在B站首页输入关键词【vlog】搜索后得到的网址。可根据需要,输入其他关键词搜索,得到对应网址,然后将网址输入八爪鱼中进行采集。
步骤二、创建【循环翻页】,采集多页数据
如果只是采集一页数据,可跳过此步骤。
如果需要翻页以采集多页数据:选择页面中的【下一页】按钮,在操作提示上单击【循环点击下一页】,创建【循环翻页】。
特别说明:
a. 创建【循环翻页】后,八爪鱼会自动点击【下一页】按钮进行翻页,从第1页,第2页......直到最后1页。如果只需采集特定页的数据,可在八爪鱼中设置循环翻页的次数,详情点击查看 翻页以采集多页数据教程。
步骤三、建立【循环-点击元素】,进入每个视频的详情页
通过以下几步,实现循环点击每个视频链接,进入视频详情页
① 选中页面上第1个视频链接
② 在黄色操作提示框中,点击【选中全部】,以选中全部视频链接
③ 点击【循环点击每个链接】,进入第1个视频的详情页
特别说明:
a. 经过以上连续3步,【循环-点击元素】创建完成。【循环】中的项,对应着页面上所有视频链接。启动采集以后,八爪鱼就会按照循环中的顺序依次点击每个视频链接,进入视频详情页,以采集每个视频具体数据。
b. 为何通过以上3步,可建立【循环-点击元素】?详情点击查看 采集点击多个链接后的详情页数据教程 。
步骤四、提取详情页中的字段
进入详情页后,手动提取我们需要采集的字段。
不同类型的字段有不同的提取方式:
1、采集文本
选中页面中的文本,然后在操作提示框中点击【采集该元素文本】。
标题、发布时间、视频时长、总播放数、总弹幕数、硬币数、收藏数、视频介绍、视频标签、发布者等文本类型的字段,均可这样提取。
2、采集图片地址
选中页面中的图片,然后在操作提示框中点击【采集该图片地址】。
发布者头像等图片类型的字段,可这样提取。
3、采集链接地址
选中页面中的链接,然后在操作提示框中点击【采集该链接地址】。
发布者主页地址像等链接类型的字段,可这样提取。
4、采集视频代码地址
如果不需要提取视频代码地址,可跳过此步骤。
如果需要提取视频代码地址:将鼠标移动到 上,在出现的窗口中选中【嵌入代码】后的文本框,然后在操作提示框中点击【采集该文本框的值】。
5、采集页面网址
进入【提取数据】设置页面,点击 【+】 按钮,选择【添加当前页面信息】-【页面网址】,然后保存
步骤五、启动采集
1、点击【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来导出数据。支持导出为Excel,CSV,HTML,数据库等。这里导出为Excel。示例数据:
作者:yangyang
编辑:Aisling