码迷,mamicode.com
首页 > 其他好文 > 详细

一步步教您学会大数据采集之“什么值得买”推荐商品数据采集教程

时间:2018-11-01 16:07:37      阅读:857      评论:0      收藏:0      [点我收藏+]

标签:属性   操作   操作系统   浏览器   一个   采集器   编程基础   txt   产品   

本文主要介绍如何使用后羿采集器的智能模式,免费采集“什么值得买”商品价格、图片、标题及推荐人等信息。

采集工具简介:

后羿采集器是一款基于人工智能技术的网络爬虫工具,只需要输入网址就能够自动识别网页数据,无需配置即可完成数据采集,是业内首家支持三种操作系统(包括Windows、Mac和Linux)的数据采集软件

这是一款真正免费的数据采集软件,对采集结果导出没有任何限制,没有编程基础的小白用户也可轻松实现数据采集要求。

官方网址:http://www.houyicaiji.com/

采集对象简介:

“什么值得买”是一家网购产品推荐网站,同时也是集媒体、导购、社区、工具属性为一体的消费决策平台,网站成立于2010年6月30日,早期以优惠信息为主,后逐渐加入海淘、原创(原晒物、经验)、资讯、众测百科、等多个频道,其内容大部分来自网友推荐,每天通过网站本身、RSS、各手机客户端及各浏览器插件推送商品特价信息,帮助广大网友买到更有性价比网购产品。

采集字段:

商品标题、商品链接、价格、商品描述、商品所属网站、主图、推荐人、商品在售情况

功能点目录

如何采集列表+详情页类型网页

如何下载图片

采集结果预览:

导出到Excel表格:

技术分享图片

导出到本地图片:

技术分享图片

下面我们来详细介绍一下如何免费采集“什么值得买”网站上推荐的商品数据,我们以毛衣为例,具体步骤如下:

步骤一:下载安装后羿采集器,并注册登录

1、点此打开后羿采集器官网,下载并安装爬虫软件工具—后羿采集器软件

2、点击注册登录,注册新账号,登录后羿采集器

技术分享图片

【温馨提示】您可以直接使用此款爬虫软件,不需要进行注册,但是匿名账户下的任务在切换到注册用户时会丢失,因此建议您注册后使用。

后羿采集器为神箭手云旗下产品,如果您是神箭手用户,可直接登录。

步骤二:新建采集任务

1、复制“什么值得买”毛衣的网页(需要搜索结果页的网址,而不是首页的网址)

点此了解关于如何正确地输入网址。

技术分享图片

2、新建智能模式采集任务

您可以在软件上直接新建采集任务,也可以通过导入规则来创建任务。

点此了解如何导入和导出采集规则。

技术分享图片

步骤三:配置采集规则

1、设置提取数据字段

在智能模式下,我们输入网址后软件即可自动识别出页面上的数据并生成采集结果,每一类数据对应一个采集字段,我们可以右击字段进行相关设置,包括修改字段名称、增减字段、处理数据等。

点此了解如何对采集字段进行配置。

技术分享图片

由于采集软件识别出了很多我们不需要的字段,而我们只需要部分字段的内容,这种情况下可以将原先识别出来的字段全部清空,再手动添加字段,也可以在原先字段的基础上进行修改。

技术分享图片

我们添加商品标题、商品链接、价格、商品描述、商品所属网站以及主图等字段,字段设置效果如下:

技术分享图片

2、使用深入采集功能提取详情页数据

在列表页上展示出了“什么值得买”毛衣的大部分信息,但是如果我们想要采集到推荐人及商品在售情况的信息,需要右击“商品链接 技术分享图片 ”使用深入采集功能,跳转到详情页进行采集。

点此深入了解如何采集列表+详情页类型网页。

技术分享图片

在详情页面我们可以看到推荐人以及商品在售情况等信息,我们可以点击“添加字段”添加采集字段,字段设置效果如下:

技术分享图片

步骤四:设置并启动采集任务

1、设置采集任务

完成了采集数据添加,我们可以开始启动采集任务了。在启动之前我们需要对采集任务进行一些设置,从而提高采集的稳定性和成功率。

点击“设置”按钮,在弹出的运行设置页面中我们可以进行运行设置和防屏蔽设置,这里我们勾选“跳过继续采集”,设置“2”秒请求等待时间,勾选“不加载网页图片”,防屏蔽设置就按照系统默认设置,然后点击保存。

点此深入了解如何对采集任务进行配置。

技术分享图片

技术分享图片

2、启动采集任务

点击“保存并启动”按钮,可在弹出的页面中进行一些高级设置,包括定时启动、自动入库和下载图片,本次示例中未使用到定时采集及自动入库功能,勾选下载图片到本地的功能后,点击“启动”运行爬虫工具。

点此深入了解什么是定时采集。

点此深入了解什么是自动入库。

点此深入了解如何下载图片。

【温馨提示】免费版本可以使用非周期性定时采集功能,下载图片功能是免费的。个人专业版及以上版本可以使用高级定时功能和自动入库功能。

技术分享图片

3、运行任务提取数据

任务启动之后便开始自动采集数据,我们从界面上可以直观的看到程序运行过程和采集结果,采集结束之后会有提醒。

技术分享图片

步骤五:导出并查看数据

数据采集完成后,我们可以查看和导出数据,后羿采集器支持多种导出方式(手动导出到本地、手动导出到数据库、自动发布到数据库、自动发布到网站)和导出文件的格式(EXCEL、CSV、HTML和TXT),我们选择自己需要方式和文件类型,点击“确认导出”。

点此深入了解如何查看和清空采集数据。

点此深入了解如何导出采集结果。

【温馨提示】:所有手动导出功能都是免费的。个人专业版及以上版本可以使用发布到网站功能。

技术分享图片

 

再为您推荐几个关于电商的采集教程:

如何免费采集淘宝商品信息数据

如何免费采集天猫店铺商品数据

如何免费采集京东商品信息数据

如何免费采集网易考拉商品数据

一步步教您学会大数据采集之“什么值得买”推荐商品数据采集教程

标签:属性   操作   操作系统   浏览器   一个   采集器   编程基础   txt   产品   

原文地址:https://www.cnblogs.com/houyicaijiqi/p/9889485.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!