8个零代码数据爬取工具，不会Python也能轻松爬数！（附教程）

前天给大家整理了免费数据源网站合集，看大家的反馈很积极，有粉丝留言说，她还想要爬取一些网页的数据进行分析，不知道该如何下手

目前的用的比较多数据爬取方法是用python爬虫，这两年python很火，网上关于python爬虫的教程也很多，大家可以自行学习，但是对没有代码基础的朋友来说，短期上手python还是很困难的。

于是我就连日整理8个零代码数据爬取的工具，并附上使用教程，帮助一些没有爬虫基础的同学获取数据

1.Microsoft Excel

没错，第一个要介绍的就Excel，很多知道Excel可以用来做数据分析，但很少有人知道它还能用来爬数

步骤如下：

1）新建Excel，点击“数据”——“自网站”

 

（2）在弹出的对话框中输入目标网址，这里以全国实时空气质量网站为例，点击转到，再导入

 

选择导入位置，确定

 

（3）结果如下图所示

 

（4）如果要实时更新数据，可以在“数据”——“全部更新”——“连接属性”中进行设置，输入更新频率即可

 

 

缺点：这种方式虽然很简单，但是它会把页面上所有的文字信息都抓取过来，所以可能会抓取一部分我们不需要的数据，处理起来比较麻烦

火车头采集器

火车头是爬虫界的元老了，是目前使用人数最多的互联网数据抓取软件。它的优势是采集不限网页，不限内容，同时还是分布式采集，效率会高一些。不过它规则和操作设置在我看来有一些死板，对小白用户来说上手也有点困难，需要有一定的网页知识基础

操作步骤：（以火车头8.6版本为准）

第1步：打开—登录

第2步：新建分组

 

第3步：右击分组，新建任务，填写任务名；

 

第4步：写采集网址规则（起始网址和多级网址获取）

 

第5步：写采集内容规则（如标题、内容）

 

第6步：发布内容设置勾选启用方式二(1)保存格式：一条记录保存为一个txt;(2)保存位置自定义;(3)文件模板不用动;(4)文件名格式：点右边的倒立笔型选[标签:标题];(5)文件编码可以先选utf-8，如果测试时数据正常，但保存下来的数据有乱码则选gb2312;

 

第7步：采集设置，都选100； a.单任务采集内容线程个数：同时可以采集几个网址； b.采集内容间隔时间毫秒数：两个任务的间隔时间； c.单任务发布内容线程个数：一次保存多少条数据； d.发布内容间隔时间毫秒数：两次保存数据的时间间隔；

 

附注：如果网站有防屏蔽采集机制（如数据很多但只能采集一部分下来，或提示多久才能打开一次页面），则适当调小a值和调大b的值；

第8步：保存、勾选并开始任务（如果是同一分组的，可以在分组上批量选中）

 

Google Sheet

使用Google Sheet爬取数据前，要保证三点：使用Chrome浏览器、拥有Google账号、电脑已翻墙。

步骤如下：

（1）打开Google Sheet网站：

 

（2）在首页上点击“转到Google表格”，然后登录自己的账号，可以看到如下界面，再点击“+”创建新的表格

 

（3）打开要爬取的目标网站，一个全国实时空气质量网站http://www.pm25.in/rank，目标网站上的表格结构如下图所示

 

（4）回到Google sheet页面，使用函数=IMPORTHTML(网址, 查询, 索引)，“网址”就是要爬取数据的目标网站，“查询”中输入“list”或“table”，这个取决于数据的具体结构类型，“索引”填阿拉伯数字，从1开始，对应着网站中定义的哪一份表格或列表

对于我们要爬取的网站，我们在Google sheet的A1单元格中输入函数=IMPORTHTML("http://www.pm25.in/rank","table",1)，回车后就爬得数据啦

 

 

（5）将爬取好的表格存到本地

 

八爪鱼采集器

八爪鱼采集器是用过最简单易用的采集器，很适合新手使用。采集原理类似火车头采集器，用户设定抓取规则，软件执行。八爪鱼的优点是提供了常见抓取网站的模板，如果不会写规则， 就直接用套用模板就好了。

它是基于浏览器内核实现可视化抓取数据，所以存在卡顿、采集数据慢的现象。不过整体来说还是不错的，毕竟能基本满足新手在短时间抓取数据的场景，比如翻页查询，Ajax 动态加载数据等。

操作步骤：

（1）登陆后找到主页面，选择主页左边的简易采集，如图：

 

（2）选择简易采集中淘宝图标，如图红框：

 

（3）进入到淘宝版块后可以进行具体规则模板的选择，根据楼主截图，应该手提包列表的数据信息采集，此时我们选择“淘宝网-商品列表页采集”，如图：

 

（4）然后会进入到信息设置页面，根据个人需要设置相关关键词，例如此处我们输入的商品名称为“手提包”，如图：

 

（5）点击保存并启动后就可以进行数据采集了，以下是本地采集效果示例，如图：

 

GooSeeker 集搜客

集搜客也是一款容易上手的可视化采集数据工具。同样能抓取动态网页，也支持可以抓取手机网站上的数据，还支持抓取在指数图表上悬浮显示的数据。集搜客是以浏览器插件形式抓取数据。虽然具有前面所述的优点，但缺点也有，无法多线程采集数据，出现浏览器卡顿也在所难免。

这个操作原理和八爪鱼也差不多，详细的步骤可以看一下官方的文档，我就不展示了

WebScraper

WebScraper 是一款优秀国外的浏览器插件。同样也是一款适合新手抓取数据的可视化工具。我们通过简单设置一些抓取规则，剩下的就交给浏览器去工作。

安装和使用步骤：

Web scraper是google浏览器的拓展插件，它的安装和其他插件的安装是一样的。

 

（1）启动插件，根据提示使用快捷键打开插件。实际是在开发者工具中添加了一个tab（开发者工具的位置必须设置在底部才会显示）

 

 

（2） 创建爬取任务

• 点击Create New Sitemap——Create Sitemap
• 输入Sitemap name：爬取任务名称
• 输入start url：爬取的初始页面
• 点击create sitemap完成创建

 

（3） 创建选择器

创建sitemap后进入选择器创建界面，点击Add Selector

Selector：选择器，一个选择器对应网页上的一部分区域，也就是包含我们要收集的数据的部分

一个 sitemap 下可以有多个 selector，每个 selector 有可以包含子 selector ，一个 selector 可以只对应一个标题，也可以对应一整个区域，此区域可能包含标题、副标题、作者信息、内容等等信息。

 

selector设置，参数设置完成后点击save selector

• • id为selector名称，自行设定（小写英文）
  • 爬取排行榜中的电影名称，因此type选text
  • selector：点击select，依次点击前两部电影的标题，可以看到后续全部标题已被自动选中，点击Done Selecting结束选择
  • 采集多条数据时勾选multiple
  • Regex为正交表达式设置，用于对选取文本的过滤，此处不设置
  • Delay (ms)为每次爬取之间的延迟时间

 

（4）爬取数据

点击sitemap douban——Scrape

 

分别设置请求延时（避免过于频繁被封）与页面载入延时（避免网页载入不全）后点击Start Scraping，弹出新页面开始爬取

 

爬取结束后弹窗自动关闭，点击refresh按钮，即可看到爬取的数据，然后点击sitemap douban——Export Data to CSV导出数据

 

Scrapinghub

如果你想抓取国外的网站数据，可以考虑 Scrapinghub。它是一个基于Python 的 Scrapy 框架的云爬虫平台，安装和部署挺简单的，但是操作界面是纯英文的，不太友好，而且性价比不高，它提供的每个工具都是单独收费的。

具体步骤我就不展示了