采集场景

在AliExpress(速卖通) 首页中 http://www.aliexpress.com 中输入关键词,采集关键词搜索后得到的商品列表信息。

 

采集字段

关键词、标题、商品id、商品图片地址、商品详情链接、价格、免费退送货、星级、已出售数量、店铺名

 

 

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、输入关键词检索

步骤三、添加判断

步骤建立【循环列表】采集数据

步骤创建【循环翻页】

步骤修改循环列表Xpath

步骤、启动采集

 

 

以下为具体步骤:

 

步骤一、打开网页

 

1、打开网页

在首页【输入框】中输入目标网址http://www.aliexpress.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、输入关键词检索,设置文本循环

 

1、输入单个关键词

点击检索框后选择【输入文本】,输入需要的关键词,例如 case iphone 8 plus。

然后选搜索按钮,在操作提示框中点击【点击该按钮】,八爪鱼执行搜索并展示搜索后的页面。

 

 

以上是一个关键词搜索的做法,如果需要批量输入多个关键词,请按照以下步骤操作:



2、建立文本循环

在流程图中添加一个【循环】步骤,把【输入文本】和【点击元素】拖入循环框中,再点开【输入文本】设置,勾选【使用当前循环里的文本来填充输入框】。

这是为了让【输入文本】和【点击元素】步骤与【循环】步骤产生联动。

 



3、输入多个关键词

接下来就是在【循环】中存储多个关键词,方便后续调用。

进入【循环】的设置页面,选择循环方式为【文本列表】,手动输入需要搜索的多个关键词,示例中输入的是 case iphone 8 plus、case iphone 8 。

(注意,每个关键词需用换行符分开,即一行一个关键词。)

 

 

特别说明:

a. 示例中输入的关键词是【case iphone 8 plus】和【case iphone 8】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。

 

步骤三、建立判断条件

 

搜索关键词后会随机出现弹窗,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. 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

 

步骤四、采集字段数据

 

1、提取搜索框内的关键词

在网页中选中搜索框,然后在操作提示框中选择【采集该文本框的值】。

 

 

2、创建【循环列表】

① 选中页面上1个商品列表(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商品列表,这样页面中全部的评价都被识别到了

③ 点击【采集以下元素文本】

这样就将【循环列表】建立起来,但是是将列表作为一个字段提取的。

如需将列表中的字段分开提取,请看以下操作。

 

 

特别说明:

a.  为何通过以上3步,可建立【循环列表】?详情点击查看 采集列表数据的教程 。

 

3、提取列表中的字段

在列表中提取所需字段。

文本型的字段:选中页面中的文本,在操作提示框中点击【采集该元素的文本】/ 【采集该链接文本】。

链接型的字段:选中页面中的链接,在操作提示框中点击【采集该图片地址】/【采集该链接地址】。

 

 

4、编辑字段

在【当前数据预览】页面,依次编辑字段名。

 

 

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、移动字段位置

如需移动字段位置,可按下图操作。

 

 

7、依次修改字段Xpath

为了精准采集到每个列表中的字段,我们需要修改一下字段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。

以下为各个字段修改后的XPath:

 

标题://div[@class="item-title-wrap"]

商品链接://div[@class="item-title-wrap"]/a[@href]

商品id://div[@class="item-title-wrap"]/a[@href]

价格://span[@class="price-current"]

免费退送货://span[contains(text(),'Free Return')]|//span[contains(text(),'Free Shipping')]

星级://span[@class="rating-value"]

已售数量://span[@class="sale-value"]

店铺名://div[@class="item-store-wrap"]

 

 

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

 

1、创建循环翻页

如果只需采集一页数据,可跳过此步骤。

如果需要采集多页数据:选中网页上的 Next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。

这个点击翻页是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. 创建【循环翻页】后,八爪鱼会自动点击【下一页】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、设置循环翻页次数

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1,执行前等待7s。

同时,调整【点击翻页】的Ajax超时时间为3秒,设置执行前等待5s。

 

 

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

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 。

 

步骤修改【循环列表】Xpath

 

为了将所有的商品列表都包含进【循环】中,我们需要修改【循环列表】的Xpath。

进入【循环列表】设置页面,修改XPath为://ul[@class="list-items"]/div/li

并勾选【出现指定元素后执行】,填入XPath://ul[@class="list-items"]/div[12]/li[5]

 

 

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

 

步骤规则优化

 

采集数据过快会导致部分数据未加载出来就采集,导致没有数据,需要优化规则:

 

1、设置执行前等待

为【循环】、【输入文本】、【点击元素】、【提取数据】等步骤设置合理的执行前等待时间。

 

 

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

 

2、设置页面滚动

为了完整地采集到图片地址,需先滚动鼠标将页面全部加载一遍,然后再提取数据。

进入【点击元素】设置页面,勾选【页面加载后向下滚动】,滚动方式为【向下滚动一屏】,滚动10次,每次间隔3s。

 

 

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、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