采集场景

在AliExpress(速卖通) 网站上进入商品详情页,采集商品的评论信息。

示例网址:

http://www.aliexpress.com/item/4000093476853.html

https://www.aliexpress.com/item/1005001303394968.html

 

采集字段

商品id、标题、价格、评论数、评分、五星率、四星率、三星率、两星率、一星率、评论者、国籍、商品属性、评论内容、评论时间

 

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、创建判断条件

步骤三、提取评论前所需采集字段数据

步骤四、创建【循环列表】,提取数据

步骤五、创建【循环翻页】,采集多页数据

步骤六、设置执行前等待

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。

 

 

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

 

2、打设置滚定

网页向下滚动才能加载出【CUSTOMER REVIEWS(1451)】按钮,因此我们先设置合理的滚动时间和次数:

进入【打开网页】设置页面,勾选【网页加载后向下滚动】,滚动方式为【向下滚动一屏】,滚动次数为5次,每次间隔2s。

 

 

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

 

步骤二、建立判断条件

 

打开页面后会随机出现弹窗,需要在出现弹窗后将其关掉,再采集数据。

我们通过判断条件实现:判断出现弹窗时,点击弹窗关掉;未出现弹窗时,直接开始采集数据。

 

1、建立判断条件

在【点击元素】后面添加【判断条件】步骤。

选中左分支,在网页中选中弹窗,在操作提示框中点击【设置为分支判断条件】,意思是此弹窗出现时,则执行此分支。

然后弹窗右上角的关闭按钮,在操作提示框中选择【点击该链接】将弹窗关掉,这个点击是Ajax点击,八爪鱼已自动识别并设置了合理的Ajax超时时间,可以先不管。

 

 

特别说明:

a. 使用了Ajax技术的网页,八爪鱼会自动识别并设置合理的Ajax超时时间,您也可以根据采集需求和网页加载情况,自行调整Ajax超时时间,详情点击查看 Ajax教程 。

b. 判断条件是什么?如何设置判断条件?点击查看 判断条件教程 。 

 

2、设置执行前等待

进入【判断条件】设置页面,设置执行前等待3s。

进入【点击元素1】设置页面,取消【在新标签中打开】,并将Ajax超时时间延长为7s,再设置执行前等待2s。

 

 

特别说明:

a. 使用了Ajax技术的网页,八爪鱼会自动识别并设置合理的Ajax超时时间,您也可以根据采集需求和网页加载情况,自行调整Ajax超时时间,详情点击查看 Ajax教程 。

b. 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

 

步骤三、提取评论前所需采集页面字段

 

1、采集标题、价格等字段

采集评论数据前所需要采集的字段信息,包括页面网址、标题、价格等。

选中目标字段,在操作提示框中选择【采集改元素的文本】即可。

 

 

2、采集评论数、评分、五星率、四星率、三星率、两星率、一星率等字段

选中【CUSTOMER REVIEWS(1451)】按钮,然后在操作提示框中选择【点击该元素】,以来到商品评论数据页面。这个点击是Ajax点击,八爪鱼已自动识别并设置了合理的Ajax超时时间。

然后采集评论数、评分、五星率、四星率、三星率、两星率、一星率等字段:选中目标字段,在操作提示框中选择【采集改元素的文本】即可。

为了更好地采集数据,第【点击元素1】步骤进行一些优化设置:超时7s,Ajax超时延长为7s,执行前等待3s。

 

 

特别说明:

a. 使用了Ajax技术的网页,八爪鱼会自动识别并设置合理的Ajax超时时间,您也可以根据采集需求和网页加载情况,自行调整Ajax超时时间,详情点击查看 Ajax教程 。

b. 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

 

3、评论按【Sort by latest】排序

点评论的排序方式有两种,默认的为【Sort by default】,还有一种为【Sort by latest】。

如果无需调整评论的排序方式,可直接进入下一个步骤。

 

如果需要按【Sort by latest】排序,请按以下步骤操作:

① 选中【Sort by latest】按钮,在操作提示框中选择【点击该链接】

② 然后修改【点击元素2】的Xpath为://A[@class="fb-sort-list-href"] 

③ 设置Ajax加载超时7s,执行前等待3s

④ 勾选【页面加载后向下滚动】,滚动方式为【滚动到顶部】,滚动5次,间隔2s,最后点击【应用】保存。

 

 

特别说明:

a. 此处要选择筛选条件为Sort by default,默认的点击无法精准定位,需要手动修改Xpath。所以需要修改Xpath,需要一定的XPath知识。点击查看 XPath学习与实例教程

b. 使用了Ajax技术的网页,八爪鱼会自动识别并设置合理的Ajax超时时间,您也可以根据采集需求和网页加载情况,自行调整Ajax超时时间,详情点击查看 Ajax教程 。

c. 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

 

4、编辑字段

在【当前数据预览】界面,修改字段名称。

 

 

5、提取商品id

商品id这个字段比较特别,在网页中未显示,隐藏在商品链接中。

我们先采集商品链接,将其命名为【商品id】,再对其进行数据格式化即可。

进入【提取数据】设置页面,找到【商品id】字段,之后选择【格式化数据】【添加步骤】【正则表达式匹配】→ 输入正则表达式 (?<=item/)(.+?)(?=\.html\?) ,点击【确定】保存。

图片地址就从商品链接中提取出来了。

 

 

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 。

b. 正则表达式是什么?怎么写?正则表达式是对字符串(包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为“元字符”))操作的一种逻辑公式,用来从文本中匹配/过滤信息。正则表达式有其特定写法,需要系统学习才能掌握,点击查看 正则表达式教程 。

 

6、修改字段XPath

为了精准采集到1-4星占比率,我们需要修改一下其XPath。

进入【提取数据】设置页面,然后找到要修改的字段,点击  按钮,进入【自定义定位元素方式】设置页面,修改XPath,然后点击【应用】保存。

以下为各个星级利率修改后的XPath:

四星率://span[@class="r-num fb-star-list-href"][@data="4 Stars"]

三星率://span[@class="r-num fb-star-list-href"][@data="3 Stars"]

两星率://span[@class="r-num fb-star-list-href"][@data="2 Stars"]

一星率://span[@class="r-num fb-star-list-href"][@data="1 Stars"]

 

 

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评价列表,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,对应着页面上所有评价列表,【提取数据】中的字段,对应着每个评价列表中的字段。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。

 

 

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