采集场景

采集B站UP主主页的视频列表数据。

示例网址:

https://space.bilibili.com/33775467

https://space.bilibili.com/2282611

https://space.bilibili.com/21975459

 

采集字段

发布者、关注数、粉丝数、认证、UID、标题、视频连接、总播放数、发布时间、时长、视频封面链接

 

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、提取数据

步骤三、点击查看更多视频

步骤四、创建【循环列表】,采集数据

步骤五、创建【循环翻页】,采集多页数据

步骤六、规则优化

步骤七、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://space.bilibili.com/33775467

https://space.bilibili.com/2282611

https://space.bilibili.com/21975459

 

 

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、提取数据

 

1、采集字段

采集视频列表前所需的字段:发布者、关注数、粉丝数、认证、UID等。

这些都是文本型的字段,在网页中选中后,在操作提示框中点击【采集该元素的文本】即可。

 

 

2、编辑字段

在【当前页面数据预览】面板,依次修改所需字段的字段名称。

 

 

步骤三、点击查看更多视频

 

首页直接展示的视频有限,需点击【更多】按钮以获取更多视频。

选中【更多】按钮,在操作提示框中点击【点击该链接】。

然后进入【点击元素】设置步骤,取消【在新标签页中打开】,设置【Ajax超时】5s,执行前等待5s,

勾选【页面加载后滚动向下滚动】,选择滚动方式为【滚动到底部】,滚动次数为3次,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

b. 评论中的翻页使用了Ajax技术,需设置Ajax超时。一般情况下,八爪鱼会自动判断并设置一定的【Ajax超时】。如果系统判断失误或者自动设置的【Ajax超时】过短,可根据采集需求和网页加载情况进行调整,详情点击查看 Ajax教程 。

 

步骤四、创建【循环列表】

 

1、创建【循环列表】

通过以下连续4步,采集所有列表中的数据:

① 选中页面上1个数据评价列表(注意一定要选中整个列表,包含所有所需字段) 

② 再选中页面上另一个列表,这样页面中全部的评价都被识别到了

③ 点击【选中全部子元素】

④ 点击【采集数据】

 

 

特别说明:

a. 经过以上连续4步,【循环-提取数据】创建完成。【循环】中的项,对应着页面上所有视频列表,【提取数据】中的字段,对应着每个视频列表中的字段。启动采集以后,八爪鱼就会按照循环中的顺序依次提取每个列表中的字段。 

b. 为何通过以上4步,可建立【循环-提取数据】?详情点击查看 列表数据采集教程 

 

2、修改编辑字段

进入【提取数据】设置页面,删除不需要的字段信息并编辑字段名称。

 

 

3、提取【视频封面地址】字段

【视频封面地址】这个字段比较特殊,无法直接提取到,需要自行填入定位XPath,并设置合适的【自定义抓取方式】

视频封面地址】的XPath修改为://a[@class='cover']/img ,并设置【自定义抓取方式】为【抓取图片地址(IMG标签的src属性)】

 

 

特别说明:

a. 如何修改XPath?这需要一定的XPath知识。点击查看 XPath学习与实例教程

 

步骤创建翻页,采集多页数据

 

1、创建循环翻页

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:选中网页上的 按钮,然后在操作提示框中,点击【循环点击下一页】,创建循环翻页以采集更多页的数据。

 

 

特别说明:

a. 创建【循环翻页】后,八爪鱼会自动点击翻页按钮进行翻页,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 

 

2、设置翻页次数

如果不设置翻页次数,八爪鱼会一直采集到最后一页。

此处为了演示采集结果,我们进入【循环翻页】设置页面,设置翻页次数为2,然后点击【应用】保存。

 

 

步骤、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。

 

 

特别说明:

a. 执行前等待,即在执行此步骤前等待一段时间,可有效避免因网页未加载完全导致的漏数据,详情点击查看 执行前等待使用场景与设置方法

 

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:Fan

编辑:Aisling