采集场景

在智联招聘地区招聘搜索页(https://sou.zhaopin.com/?jl=765), 输入关键词搜索(示例中的搜索关键词为【爬虫工程师】),搜索后得到招聘信息列表页。点击职位链接,进入职位详情页,采集详情页数据。

 

采集字段

职位名称、职位薪资、职位描述、职位链接等。

 

 

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

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

本篇更新时间:2020/5/13   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、输入关键词并搜索

步骤三、建立【循环-点击元素】,进入每个职位的详情页

步骤四、提取职位详情页中的字段

步骤五、编辑字段

步骤六、创建【循环翻页】,采集多页数据

步骤七、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://sou.zhaopin.com/?jl=765,点击【开始采集】,八爪鱼自动打开网页。

打开网页后,弹出【警示内容】弹窗。选中【知道了】按钮,在操作提示框中,点击【点击该按钮】将其关掉。

 

 

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

c. 示例中输入的网址 https://sou.zhaopin.com/?jl=765 ,是深圳智联招聘的网址,可根据需求,更换目标城市,得到相关网址。

 

步骤二、输入关键词并搜索

 

1、输入关键词并搜索

选中搜索框,在操作提示框中点击【输入文本】,输入要搜索的职位或公司,如【爬虫工程师】、【python工程师】等。

选中【搜索】按钮,在操作提示框中点击【点击该元素】,出现搜索结果列表页。

 

 

2、设置滚动,以加载更多职位列表

搜索后,向下滚动页面加载出新的职位列表,在八爪鱼中也需设置滚动。

进入【点击元素1】设置页面,点开【页面加载后】,设置【页面加载后向下滚动】,滚动方式为【直接滚动到底部】,【滚动次数】为4次,【每次间隔】2秒 ,设置后保存。

 

 

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

 

步骤三、建立【循环-点击元素】,进入每个职位的详情页

 

通过以下几步,实现循环点击每个职位链接,进入职位详情页

① 选中页面上第1个职位链接

② 在黄色操作提示框中,点击【选中全部】,以选中全部职位链接

③ 点击【循环点击每个元素】,进入第1个职位的详情页

 

 

特别说明:

a. 经过以上连续3步,【循环-点击元素】创建完成。【循环】中的项,对应着页面上所有职位链接。启动采集以后,八爪鱼就会按照循环中的顺序依次点击每个职位链接,进入情页,以采集每个职位的具体数据。 

b. 为何通过以上3步,可建立【循环-点击元素】?详情点击查看 采集点击多个链接后的详情页数据教程 

 

步骤四、提取详情页中的字段

 

进入详情页后,手动提取我们需要采集的字段。

不同类型的字段有不同的提取方式:

 

1、采集文本

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】。

职位名称、职位薪资、职位描述等文本类型的字段,均可这样提取。

 

 

2、采集页面网址

进入【提取数据】设置页面,点击 【+】 按钮,选择【添加当前页面信息】-【页面网址】,然后保存

 

 

步骤五、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:

点击规流程图里的【循环列表】,让页面返回到上一级页面。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】。

 


 

 2、设置滚动

【点击翻页】后,也会向下滚动页面加载出新的职位列表,也需设置滚动。

进入【点击翻页】设置页面,点开【页面加载后】,设置【页面加载后向下滚动】,滚动方式为【直接滚动到底部】,【滚动次数】为4次,【每次间隔】2秒 ,设置后保存。

 

 

3、修改【循环翻页】的XPath

默认的【循环翻页】XPath会在最后一页重复翻页,导致其他关键词无法输入并采集,需修改【循环翻页】XPath。

进入【循环翻页】设置页面,修改XPath为://button[text()="下一页" and not(@disabled)]  

 

 

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. 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

c. 什么是XPath?如何写一条正确的XPath?点击查看 XPath学习与实例教程 

 

步骤六、编辑字段

 

点击规流程图里的【提取数据】,让页面返回到职位详情页页面。

在【当前数据预览】页面,删除多余字段,修改字段名,移动字段顺序等。 

 

 

步骤七、启动采集

 

1、点击【采集】并【启动本地采集】。启动后八爪鱼开始自动采集数据。

 

 

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。

 

 

示例数据:

 

 

作者:Junjun

编辑:Aisling