新媒体人必会的傻瓜式爬虫工具:上手 Web Scraper 的 5 个步骤

做新媒体运营,很多时候会需要用到数据来帮助工作,比如你新进到一家公司做新媒体内容编辑,那你需要盘点公司已有的内容资产,避免重复生产内容。这时候就需要把网页上的数据给扒下来,放在一起,才会一目了然。

从网页上扒数据,最好用的方法当然是爬虫工具啦。很多人都以为爬虫很难学吧?我一开始也这么认为的,直到我遇到了 Web Scraper 这个工具,才知道原来爬网页数据也可以这么简单。

下面,我就现身说法,讲解一个小白是怎么快速上手 Web Scraper 的。

步骤一:下载 Web Scraper

Web Scraper 是 Chrome 浏览器上的一个插件,你需要 翻墙进入 Chrome 应用商店,下载 Web Scraper 插件 。

步骤二:打开 Web Scraper

先打开一个你想爬数据的网页,比如我想爬今日头条上「吴晓波频道」这个账户的文章标题、时间、评论数,那我就先打开它,再一一进行操作。

然后 用快捷键 Ctrl + Shift + I / F12 打开 Web Scraper 。

步骤三:新建一个 Sitemap

点击 Create New Sitemap ,里面有两个选项,import sitemap是指导入一个现成的 sitemap,咱小白一般没有现成的,所以一般不选这个,选create sitemap 就好。然后进行这两个操作:

  • Sitemap Name :代表你这个 Sitemap 是适用于哪一个网页的,所以你可以根据网页来自命名,不过需要使用英文字母,比如我抓的是今日头条的数据,那我就用 toutiao 来命名;
  • Sitemap URL :把网页链接复制到 Star URL 这一栏,比如图片里我把「吴晓波频道」的主页链接复制到了这一栏。

步骤四:设置这个 Sitemap

整个 Web Scraper 的抓取逻辑是这样: 设置一级 Selector,选定抓取范围;在一级 Selector 下设置二级 Selector,选定抓取字段,然后抓取 。

咱们换个接地气的例子,假如你要获取福建人的姓名、性别和年龄这三个要素,那么你得这么做:首先要定位到福建省,然后再在福建省里面去定位姓名、性别、年龄。

在这里,一级 Selector 表示你要在中国这个大的国家圈出福建省,二级Selector 表示你要在福建省的人口中圈定姓名、性别、年龄这三个要素。

对于文章而言,一级 Selector 就是你要把这一块文章的要素圈出来,这个要素可能包含了 标题、作者、发布时间、评论数等等,然后我们再在二级 Selector 中挑出我们要的要素,比如标题、作者、阅读数。

下面我们来拆解这个设置一级、二级 Selector 的工作流:

1. 点击 Add new selector 创建一级 Selector,按照以下步骤操作:

  • 输入id :id 代表你 抓取的整个范围 ,比如这里是文章,我们可以命名为 wuxiaobo-articles;
  • 选择Type :type 代表你 抓取的这部分的类型 ,比如元素/文本/链接,因为这个是整个文章要素范围选取,我们需要用 Element 来先整体选取(如果这个网页需要滑动加载更多,那就选 Element Scroll Down);
  • 勾选Multiple :勾选 Multiple 前面的小框,因为你要选的是 多个元素 而不是单个元素,当我们勾选的时候,爬虫插件会帮助我们识别多篇同类的文章;
  • 保留设置 :其余未提及部分保留默认设置。

2. 点击 select 选择范围,按照以下步骤操作:

  • 选择范围 :用鼠标选择你 要爬取数据的范围 ,绿色是待选区域,用鼠标点击后变为红色,才是选中了这块区域;
  • 多选 :不要只选一个, 下面的也要选 ,否则爬出来的数据也只有一行;
  • 完成选择 : 记得点 Done Selecting;
  • 保存 :点击 Save Selector。

3. 设置好了这个一级的 Selector 之后,点进去设置二级的 Selector,按照以下步骤操作:

  • 新建Selector :点击 Add new selector ;
  • 输入id :id 代表你抓取的是哪个字段,所以可以取该字段的英文,比如我要选「作者」,我就写「writer」;
  • 选择Type :选 Text,因为你要抓取的是文本;
  • 勿勾选Multiple :不要勾选 Multiple 前面的小框,因为我们在这里要抓取的是单个元素;
  • 保留设置 :其余未提及部分保留默认设置。

4. 点击 select,再点击你要爬取的字段,按照以下步骤操作:

  • 选择字段 :这里爬取的 字段是单个的 ,用鼠标点击该字段即可选定,比如要爬标题,那就用鼠标点击某篇文章的标题,当字段所在区域变红即为选中;
  • 完成选择 :记得点 Done Selecting;
  • 保存 :点击 Save Selector。

5. 重复以上操作,直到选完你想爬的字段。

步骤五:爬取数据

之所以说 Web Scraper 是傻瓜式爬虫工具,就是因为只需要设置完所有的 Selector,就可以开始爬数据了,怎么样,是不是简单?

那么怎么开始爬数据呢?只需要一个简单的操作: 点击 Scrape,然后点Start Scraping ,会弹出一个小窗,然后辛勤的小爬虫就开始工作了。你会得到一个列表,上面有你想要的所有数据。

如果你希望把这些数据做一个排序,比如按照阅读量、赞数、作者等指标排序,让数据更一目了然,那么你可以 点击 Export Data as CSV,把它导入 Excel 表里 。

导入 Excel 表格之后,你就可以对数据进行筛选了。

以上就是快速上手 Web Scraper 的所有操作过程,连我这种懒癌 + 手残都能在 5 分钟之内搞定,相信你也可以指哪儿爬哪儿,完全 OK 的啦。

文/BPteach

关键字:产品经理

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部