采集场景

在携程网点击【攻略】-【目的地攻略】- 【选择目的地】-【选择景点】,采集目的地景点下的评论。

示例网址:https://you.ctrip.com/sight/bole922/5500.html

              https://you.ctrip.com/sight/lijiang32/3049.html

 

采集字段

景点名、级别、总评分、评论数、景点地址、开放时间、景点介绍、整体景色、整体趣味、整体性价比、用户名、评分、景色、趣味、性价比、评论正文、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、提取评论前所需字段

步骤三、创建【循环列表】,提取评价

步骤四、创建【循环翻页】,采集多页数据

步骤五、设置执行前等待

步骤六、启动采集

 

 

以下为具体步骤:

 

步骤一、打开网页

 

在首页左上角点击【新建】—【自定义任务】,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第一个网页。

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://you.ctrip.com/sight/bole922/5500.html

                             https://you.ctrip.com/sight/lijiang32/3049.html

 

 

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、提取评论前所需字段

 

1、采集字段

 

打开网页后,提取评论前所需的字段评论稍后再提取。,包括景点名、级别、总评分、评论数、景点地址、开放时间、景点介绍、整体景色、整体趣味、整体性价比。

它们都是文本类型的字段:选中页面中的文本,然后再选择【采集该元素文本】,即可提取。

 

 

 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。

 

 

 3、修改字段XPath

为了完整采集到【景点介绍】字段的全部内容,我们需要修改其XPath。

进入【提取数据】设置页面,然后找到【景点介绍】字段,点击  按钮,进入【自定义定位元素方式】设置页面,修改XPath为//div[@id='__next']//div[@class="LimitHeightText"]/div ,然后点击【应用】保存。

 

 

特别说明:

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

 

步骤三、创建【循环列表】,提取评价

 

1、创建【循环列表】

① 选中页面上1个评价列表(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4步,【循环列表】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,对应着评价列表中的每个字段。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评价列表中的字段。

b. 为何通过以上4步,可建立【循环列表】?详情点击查看 采集列表数据的教程 。

 

2、修改编辑字段

在【当前页面数据预览】面板,删除不需要的字段并修改字段名称。

 

 

步骤四、创建【循环翻页】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】。

如果翻页是Ajax,八爪鱼会自动检测出来并设置合理的Ajax超时时间,一般情况下不用调整。

 

 

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。

b. 什么是Ajax ?点击查看教程 ajax网页采集方法

 

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,我们设置翻页次数为2,在实际采集过程中大家可以不设置或者按需设置。

 

 

步骤五、设置执行前等待

 

为了更好地采集数据,我们为【循环网址】、【网页打开】、【循环翻页】、【循环列表】等步骤,设置执行前等待3s。

 

 

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:Fan

 编辑:Aisling