点击头像看历史
你可曾知道当使用 Chrome 浏览器插件 Web Scraper
可以轻松实现网页数据的爬取
不写代码,鼠标操作,点哪爬哪,
还不用考虑爬虫中的登陆、验证码、异步加载等复杂问题
Web Scraper插件Web Scraper 官网中的简介:
Web Scraper Extension (Free!)
Using our extension you can create a plan (sitemap) how a web site should be traversed and what should be extracted. Using these sitemaps the Web Scraper will navigate the site accordingly and extract all data. Scraped data later can be exported as CSV.
解析用 web scaper 爬取到的数据:知乎轮子哥粉丝
54 万多粉丝
我只抓取了前 20 页
设定数据字段
Web Scraper 抓取流程及要点:
安装Web Scraper插件后,三步完成爬取操作
1、Create new sitemap(创建爬取项目)
2、选取爬取网页中的内容,点~点~点,操作
3、开启爬取,下载CSV数据
其中最关键的是第二步,两个要点:先选中数据块 Element,每块数据我们在页面上取,都是重复的,选中 Multiple
在数据块中再取需要的数据字段(上图Excel中的列)
爬取大量数据的要点,在于掌握分页的控制。分页分为3种情况:URL 参数分页(比较规整方式)
URL 中带有分页的 page 参数的,如:https://www.zhihu.com/people/excited-vczh/followers?page=2
直接在创建sitemap时,Start URL中就可以带上分页参数,写成这样:https://www.zhihu.com/people/excited-vczh/followers?page=[1-27388]
滚动加载,点击“加载更多” 加载页面数据
点击分页数字标签(包括“下一页”标签)
注意,这里第2-3种可以归为一类方式,是异步加载的方式,大部分都可以转为第1种的方式来处理。
这种方式分页不太好控制。一般使用 Link 或 Element click 来实现分页的操作。
图示 Web Scraper 操作步骤:
第一步:创建sitemap
第二步:选取块数据Element
第三步:选取抓取的字段text
第四步:爬取
学习过程中遇到什么问题或者想获取学习资源的话,欢迎加入学习交流群
626062078,我们一起学Python!