这是专栏里的总结图,这一讲主要是对“八爪鱼”这个数据采集器进行了简要介绍,包括设计流程以及应用案例。
练习:通过八爪鱼抓取豆瓣网上关于《海王》的评论。
(1)输入网页:https://movie.douban.com/
(2)输入关键词
(3)点击搜索
(4)设置循环翻页(必须先设置循环条件)
(5)选择提取元素
选择单条内容的最大选择区域,点击选中子元素—选中全部
(6)启动采集
数据量不大时,采用本地采集。
流程视图如下
导出的xlsx
出现的问题,只采集到20条数据。
目前还未找到解决方法,由于在其他网站进行采集时,并未出现这类问题,该网站可能有防采集措施。
关于XPath, 专栏并没有仔细介绍,先搁置下来,以后有需要再深入研究。