采集场景

在股吧中输入某一批股票的网址,打开其对应的股吧,会展示很多讨论帖。点击每个讨论帖进入详情页,采集详情页的帖子信息和评论信息。

示例网址:http://guba.eastmoney.com/list,300869.html

              http://guba.eastmoney.com/list,002108.html

  

采集字段

股吧名称、帖子作者名称、发布时间、文章标题、文章内容、评论者、评论时间、评论内容等内容。

 

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:2020/8/26    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:批量导入网址,打开网页

步骤二、设置列表循环

步骤三、点击进入帖子详情页面,采集文章正文等内容

步骤四、创建评论部分的【循环列表】,采集评论内容、评论者等字段

步骤五、设置评论内容的循环翻页和帖子列表的循环翻页

步骤六、修改字段的名称和字段的XPath

步骤七、启动采集

 

 

以下为具体步骤:

 

步骤一、打开网页

 

在首页界面,将复制好的一批同类网址,粘贴进网址输入框中,并点击【开始采集】。

八爪鱼中内置的浏览器会自动打开网页,同时流程会自动创建【循环-打开网页】步骤。

 

示例中输入的网址为:http://guba.eastmoney.com/list,300869.html

                            http://guba.eastmoney.com/list,002108.html

 

 

特别说明:

a. 如果手上不是股吧网址,而是股票代码,可以依据股票代码批量生成网址,参考 网址批量生成教程

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、创建【循环列表】

 

1、创建【循环-点击元素】,点击进入每个帖子详情页

通过以下连续3步,实现循环点击每个链接,进入详情页:

① 选中页面上第1条帖子链接

② 再选中页面上另一条帖子链接

③ 点击【循环点击每个链接】,进入第1条帖子的详情页

 

 

步骤三、采集详情页的文章标题、正文等字段

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】。

文本类字段都可以按照这样的方式提取。示例中我们提取了文章标题、作者、发布时间、正文等字段。

 

 

步骤四、创建评论部分的【循环列表】,采集全部评论内容、评论者等字段

 

一篇帖子内可能有多条评论,通过以下几步,采集文章内的所有评论者和评论内容等字段:


① 选中一个评论者名称

② 在黄色操作提示框中,选择【选中全部】

③ 选择【采集以下链接文本】

 

注意:如果还需要采集其他字段,则在当前列表中继续提取即可(在页面中以红框框起来),无需再新建循环。

 

 

特别说明:

a. 评论列表有可能不止一页,如需采集多页评论内容,可添加翻页步骤,具体操作参考教程实现翻页。

 

步骤五、设置评论内容的循环翻页和帖子列表的循环翻页

 

1、创建评论的翻页循环

因为每个帖子评论部分的内容可能会有很多页,因此我们可以设置循环翻页采集多页评论内容。

 

① 先点击流程中的【循环列表1】步骤,以回到评论列表页(如果已在列表页可直接继续操作)

② 再选择页面中的【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】。

③ 再修改评论部分的翻页XPath://span[@id='newspage']//a[@class="on"]/following-sibling::a[1][not(text()='尾页')]

 


2、创建帖子的翻页循环

股吧上每支股票的帖子都可能不止一页,因此我们也要设置翻页循环采集多页帖子内容。

 

① 先点击流程中的【循环列表】步骤,以回到帖子列表页(如果已在帖子列表页可直接继续操作)

② 再选择页面中的【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】。

 

 

步骤六、修改字段的名称和字段的XPath

 

1、修改字段名称

进入【提取数据】设置页面,修改字段名称

 

 

2、修改字段XPath

上述操作中,每个字段的XPath都是系统默认生成的,定位不一定准确,根据实际情况我们可能需要手动修改。

将【股吧名称】的XPath修改为://span/a[contains(@href,"/list,")]

将【评论数】的XPath修改为//a[contains(text(),'全部评论')]/span[@class="comment_num"]

 

 

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来导出数据。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