8种网页数据的采集工具

8种网页数据的采集工具

如何收集网页数据，来实现数据分析、AI数据训练、数据拓客使用，是目前所有人面临的一个技术问题。如果市场上有个技术或者有个工具可以聚合这些数据的话，我觉得将会促进大数据+AI的发展。数据采集根据采集数据的类型可以分为不同的方式,主要方式有:传感器采集、爬虫、录入。对于新闻资讯类、行业互联网和政府开放的数据,可以通过编写网络爬虫,设置好数据源后进行有目标性的爬取数据。下面是我对除了网页数据外，把平时大家接用比较多各种数据源的网址、开放类型、采集方法进行整理分类，希望可以帮助到大家快速找到时候自己的方法。

1、目前常用的8种数据网站

名称	种类	网址	公开方式	获取方式
工商网	工商信息	http://www.gsxt.gov.cn	工商局免费公示	1.通过自己写python爬虫，自动爬取（需要采用图像识别技术识别处理验证码）2.通过下载近探拓客这种工具自动采集3.通过调用百度 阿里云那种接口付费
天眼查网	工商信息	http://www.tianyancha.com	免费查询会员收费下载	1.通过注册会员付费下载2.通过写爬虫采集(模拟VIP登录技术，可以用pythonselenium等技术采集)
企查查网	工商信息	http://www.qichacha.com	免费查询会员收费下载	1.通过注册会员付费下载2.通过写爬虫采集(模