采集场景

我们一般通过搜狗微信(https://weixin.sogou.com/),去采集微信公众号文章。搜狗微信支持【公众号搜索】,通过输入公众号名称/ID,可搜索到目标公众号,查看目标公众号相关信息(公众号ID、微信号、功能介绍、微信认证)和其最新发布的一篇文章(文章标题和文章链接),点击文章链接可进入文章详情页,查看文章正文(文字+图片)。

 

采集字段

公众号名称、微信号、功能介绍、微信认证公司名、文章标题、文章来源、文章作者、发布日期、文章正文。

 

 

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

以下图片同理

 

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:2020/4/26    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、批量输入多个关键词并搜索

步骤三、采集公众号信息

步骤四、点击进入最近文章详情,采集文章正文

步骤五、编辑字段

步骤六、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://weixin.sogou.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。因为本文不适合使用【自动识别】。

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

 

通过以下几步,实现批量输入多个关键词。

1、创建【输入文本】,以输入关键词

2、创建【文本列表循环】,存储多个关键词

3、将【输入文本】与【文本列表循环】联动起来

4 、点击搜索

 

1、创建【输入文本】,以输入关键词

选中搜狗微信的搜索框,在操作提示框中点击【输入文本】,输入关键词并保存。

 

2、创建【文本列表循环】,存储多个关键词

在【输入文本2】步骤后,添加一个【循环】。

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

 

 

特别说明:

a. 示例中输入的关键词是【八爪鱼大数据】和【八爪鱼采集研究学院】,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。

 

3、将【输入文本】与【文本列表循环】联动起来

将【打开网页】步骤拖入循环中。

将【输入文本】步骤拖入循环中。然后进入【输入文本】设置页面,勾选【使用当前循环里的文本来填充输入框】后保存。

 

4、点击搜索

在【循环】中选择一个关键词,再点击【输入文本】,可以看到,关键词成功输入进网页的文本框中。

然后选中【搜公众号】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列表页。

 

 

特别说明:

a. 为什么要将【打开网页】拖入循环中?这是因为,在搜狗微信首页输入第1个关键词并搜索后,得到搜索结果列表页。第1个关键词的数据采集完后,第2个关键词是在直接列表页输入的。首页和列表页的【搜索】按钮源码不一样,无法完成第2个关键词的搜索。为了解决这个问题,我们将【打开网页】拖入循环中,一个关键词采集结束后,重新打开首页,在首页输入下一个关键词并采集...... 详情请查看  批量输入关键词查询,采集查询结果 教程

 

步骤三、采集公众号信息

 

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。示例中我们提取了微信公众号名称、微信号、功能介绍、微信认证。

 

 

步骤四、点击进入最近文章详情,采集文章正文

 

1、点击文章链接,进入文章详情页

索到公众号后,默认显示此公众号发布的最近文章,点击文章标题,可进入文章详情页,采集详情页字段。

选中【最近文章】后的文章标题,在操作提示框中选择【点击该链接】。点击后自动进入文章详情页。

 

2、采集文章详情页中的字段

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。

然后进入【点击元素】设置页面,设置【执行前等待】2秒。

 

 

特别说明:

a. 设置合理的【执行前等待】时间,可有效避免漏数据,详情请查看 执行前等待教程 。

b. 文本、图片、视频、源码是不同的数据形式,在操作提示框选择提取方式时稍有不同。文本一般为【采集该元素文本】,图片一般为【采集该图片地址】,更多提取方式请点击查看  不同数据类型(文本、图片、链接、源码等)的抓取方式 教程

c. 需要特别注意【文章正文】这个字段。我们想将正文整块提取下来,因此需要选中整个正文区块。但因为搜狗微信文章格式比较复杂,直接移动鼠标无法选中整个正文区块。那我们先选中一个段落,然后在操作提示框中,点击最后1个DIV(一般情况下,最后1个DIV代表整个正文区块),然后再选择【采集该元素文本】,正文就被全部采集下来了。

 

步骤五、编辑字段

 

进入【提取数据】设置页面,可删除多余字段,修改字段名,移动字段顺序等。

 

 

步骤六、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:DJacky

编辑:Aisling