本文主要介绍如何使用后羿采集器的智能模式,免费采集同花顺圈子首页短评的发布时间、发布内容、作者及阅读量等信息。
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软件,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:/
采集对象简介:
同花顺财经以证券网上行情交易系统为核心,以网上行情交易客户端为平台,专业化经营,多样化服务,为证券公司提供安全、可靠的证券网上证券交易综合解决方案和服务,为投资者提供专业、及时的数据和个性化的资讯服务,以及其他辅助决策工具。
采集字段:
作者、评论内容、发布时间、阅读量
功能点目录:
采集结果预览:
下面我们来详细介绍一下如何免费采集同花顺圈子评论的数据,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
【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、复制同花顺圈子短评的网页(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。
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。
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。
由于采集软件识别出了很多我们不需要的字段,而我们只需要作者、评论内容、发布时间及阅读量这四个字段的内容,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。
字段设置效果如下:
2、手动设置翻页
由于同花顺圈子的短评是实时加载的,页面上没有“下一页”的翻页按钮,需要点击“加载更多”才能出现之前的内容,智能模式不能自动识别到“加载更多”这个元素,此时会出现以下提示:
为了采集到之前的评论内容,我们需要手动设置翻页,我们选择“分页设置—手动设置分页—点选分页按钮”,然后点击页面上的“加载更多”按钮,这样就能采集出所有数据了。
点此了解更多关于翻页的内容。
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。
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,本次示例不需要使用到这些功能,我们直接点击“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。
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。
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。
作者:后羿采集器
链接:/p/9ffa68978386