不管是自己写不写代码,都可以试一试前嗅的ForeSpider爬虫。对于数据采集+挖掘+分析的需求而言,ForeSpider爬虫支持关键词搜索和数据挖掘功能,自带关键词库和数据挖掘字典,可以有效采集关键词相关的内容。
因为ForeSpider数据采集系统是可视化的通用性爬虫,如果不想写代码,可以通过可视化的方式爬取数据。
对于一些高难度的网站,反爬虫措施比较多,可以使用ForeSpider内部自带的爬虫脚本语言系统,简单几行代码就可以采集到高难度的网站。比如国家自然基金会网站、全国企业信息公示系统等,最高难度的网站完全没有问题。
在通用性爬虫中,ForeSpider爬虫的采集速度和采集能力是最强的,支持登录、Cookie、Post、https、验证码、JS、Ajax、关键词搜索等等技术的采集,采集效率在普通台式机上,可以达到500万条数据/每天。这样的采集速度是一般的通用性爬虫的8到10倍。
对于1000个网站的需求而言,ForeSpider爬虫可以在规则模板固定之后,开启定时采集。支持数据多次清洗。
楼主可以去前嗅官网下载免费版,免费版不限制采集功能。有详细的操作手册可以学习。