请输入
菜单

04 采集表格数据

在 第3课中,我们学会了如何采集多个列表中的数据,相信大家都已学会创建【循环-提取数据】。本节课将学习一种特殊格式的列表数据——表格数据采集。

表格是一种很常见的网页样式,例:球探网的赛事比分表,天天基金网的基金排名表东方财富网的股票信息表,等等。

表格作为列表数据的特殊形式,我们可以将表格的每一行看作为列表的每一个数据的大区块范围, 表格每一行的全部单元格字段,相当于列表每个数据区块内的多个子字段。那么上节课讲的【循环-提取数据】创建方法在本课也能用。

 

采集表格数据

现在有一个新浪财经股票表格的网页:

http://stock.finance.sina.com.cn/stock/go.php/vIR_RatingNewest/index.phtml  表格结构非常整齐,每条股票信息各占表格的一行,一行股票中包含多个字段信息:股票代码、股票名称、目标价、最新评级、评级机构等。

 

我们想要将这些字段采集下来并以Excel等形式存储下来,如下图所示:

示例网址:http://stock.finance.sina.com.cn/stock/go.php/vIR_RatingNewest/index.phtml

 

一、智能识别


表格型的网页,八爪鱼支持智能识别。使用智能识别,只需输入网址就能自动获取数据,并生成采集流程,如下图所示。

 

二、自行配置采集流程

如果想要自行配置采集流程不用自动智能识别,怎么办?以下为具体步骤:

步骤一、输入网址


在首页【输入框】中输入目标网址,点击【开始采集】,八爪鱼自动打开网页。如果自动开始智能识别,可点击【不再自动识别】或【取消识别】。如果已关闭智能识别,可进行接下来的步骤。

 

步骤二、建立【循环-提取数据】

 

我们可以联想到上节课中讲过的知识点,将表格作为列表数据的特殊形式,将每一行股票作为列表中每一条数据的大区块范围来看, 创建【循环-提取数据】,让八爪鱼自动识别到全部股票,和每个股票数据的全部子元素。

先看一个包含所有具体步骤的操作:

 

再拆分每个步骤,进行详情说明:

1、先选中页面上第一个列表的第一个单元格,再点击提示框右下角的【tr】按钮扩选,选中至一整行。

 

选中后,提示框会提示发现了【子元素】,【子元素】即八爪鱼自动识别到的每一行的具体字段,想问你是否要定位这些子元素。

特别说明:

a. 点击tr扩大范围按钮时,如果点击1次没有选中一行,可点击多次,直至选中一行。

 

2、在提示框中,选择【选中全部子元素】。第1个股票中的具体字段就被选中了,这时八爪鱼又自动识别到页面中其他股票列表具有相同的【子元素】。

 

3、在提示框中,选择【选中全部相似组】。可以看到页面中所有股票列表中的子元素也都被选中了,被绿色框框起来。

 

4、在提示框中,选择提取数据【元素中数据内容】。这时候,八爪鱼就将表格中的字段都提取下来了。

 

经过以上4步,【循环-提取数据】创建完成。流程区中自动生成了1个【循环-提取数据】步骤。循环中包含了页面上全部股票的行数,提取数据中包含了一个股票中的全部字段。

 

步骤三、编辑字段

 

八爪鱼自动为我们提取了列表中的所有字段,我们可以对这些字段进行删除、修改字段名称等操作。

鼠标双击到名称上,可修改字段名称。

鼠标移动到  按钮上,可对字段进行更多操作:删除、复制、格式化等。

 

 

 

步骤四、启动采集

 

1、点击【采集】,然后选择本地采集【普通模式】。八爪鱼跳出采集窗口,我们可以看见采集窗口中在进行自动采集。

 

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。这里导出为Excel,数据示例: 

 

 

作者:西瓜
编辑:FAN

 

最近修改: 2024-01-10