采集场景

打开B站详情页,采集视频详情页数据。

示例网址:

https://www.bilibili.com/video/BV1ai4y1x7bB

https://www.bilibili.com/video/BV1Wv411172X

https://www.bilibili.com/video/BV17k4y117BJ

 

采集字段

标题、时长、发布时间、总播放数、总弹幕数、发布者、硬币、收藏量、点赞数、分享数、视频介绍、视频标签、评论数

 

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、设置页面滚动

步骤三、提取数据

步骤四、规则优化

步骤五、启动采集

 

 

以下为具体步骤:

 

步骤一、打开网页

 

1、打开网页

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。

 

示例中输入的网址为:

https://www.bilibili.com/video/BV1ai4y1x7bB

https://www.bilibili.com/video/BV1Wv411172X

https://www.bilibili.com/video/BV17k4y117BJ

 

 

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 网址输入升级

b.  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。因为本文不适合使用【自动识别】。

c. 【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、设置滚动

 

选中【打开网页】设置,勾选【页面加载后向下滚动】,滚动方式为【直接滚动到底部】,滚动次数3,每次间隔1s。

 

 

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

 

步骤三、提取数据

 

1、采集字段

采集标题、时长、发布时间、总播放数、总弹幕数、发布者、硬币、收藏量、点赞数、分享数、视频介绍、视频标签、评论数等字段。

 

 

 

2、编辑字段

在【当前数据预览】面板中,依次修改所需字段的字段名称。

 



3、设置字段

直接抓取的【分享数】这个字段有问题,我们需格式化字段。

进入【提取数据】步骤,选择【格式化数据】【添加步骤】【替换】→ 将【动态微博...分享】替换为【空】,留下我们想要的分享数字段即可。

最后点击【应用】保存。

 

 

特别说明:

a. 什么是数据格式化?数据采集下来之后,有时候格式不是我们想要的,或者只想从一段数据里提取特定数据,可通过八爪鱼的【格式化数据】功能实现。详情点击查看 数据格式化教程 。

 

4、修改字段Xpath

为了精准采集到所有同类页面的【发布者】字段,我们需要修改一下这个字段的XPath。

进入【提取数据】设置页面,找到【发布者】字段,点击  按钮,进入【自定义定位元素方式】设置页面,修改XPath为://div[@class="name"]/a[1] ,然后点击【应用】保存。

 

 

步骤四、规则优化

 

为【循环网址】、【打开循环中的网页】、【循环翻页】、【循环列表】、【提取列表数据】设置执行前等待5s-10s

【点击翻页】设置执行前等待3s,以及Ajax加载超时7s,然后点击【应用】保存。

 

 

步骤五、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:Fan

编辑:Aisling