1. 程式人生 > >一步步教您學會大資料採集之同花順圈子評論採集教程

一步步教您學會大資料採集之同花順圈子評論採集教程

本文主要介紹如何使用后羿採集器的智慧模式,免費採集同花順圈子首頁短評的釋出時間、釋出內容、作者及閱讀量等資訊。

採集工具簡介:

后羿採集器(www.houyicaiji.com)是一款基於人工智慧技術的網路爬蟲軟體,只需要輸入網址就能夠自動識別網頁資料,無需配置即可完成資料採集,是業內首家支援三種作業系統(包括Windows、Mac和Linux)的採集軟體。

這是一款真正免費的資料採集軟體,對採集結果匯出沒有任何限制,沒有程式設計基礎的小白使用者也可輕鬆實現資料採集要求。

採集物件簡介:

同花順財經(www.10jqka.com.cn)以證券網上行情交易系統為核心,以網上行情交易客戶端為平臺,專業化經營,多樣化服務,為證券公司提供安全、可靠的證券網上證券交易綜合解決方案和服務,為投資者提供專業、及時的資料和個性化的資訊服務,以及其他輔助決策工具。

採集欄位:

作者、評論內容、釋出時間、閱讀量

功能點目錄

如何對採集欄位進行配置

如何實現翻頁功能

採集結果預覽:

下面我們來詳細介紹一下如何免費採集同花順圈子評論的資料,具體步驟如下:

步驟一:下載安裝后羿採集器,並註冊登入

1、點此開啟后羿採集器官網,下載並安裝爬蟲軟體工具—后羿採集器軟體

2、點選註冊登入,註冊新賬號,登入后羿採集器

下載和註冊后羿採集器

【溫馨提示】您可以直接使用此款爬蟲軟體,不需要進行註冊,但是匿名賬戶下的任務在切換到註冊使用者時會丟失,因此建議您註冊後使用。

后羿採集器為神箭手雲旗下產品,如果您是神箭手使用者,可直接登入。

步驟二:新建採集任務

1、複製同花順圈子短評的網頁(需要搜尋結果頁的網址,而不是首頁的網址)

點此瞭解關於如何正確地輸入網址。

2、新建智慧模式採集任務

您可以在軟體上直接新建採集任務,也可以通過匯入規則來建立任務。

點此瞭解如何匯入和匯出採集規則。

步驟三:配置採集規則

1、設定提取資料欄位

在智慧模式下,我們輸入網址後軟體即可自動識別出頁面上的資料並生成採集結果,每一類資料對應一個採集欄位,我們可以右擊欄位進行相關設定,包括修改欄位名稱、增減欄位、處理資料等。

點此瞭解如何對採集欄位進行配置。

由於採集軟體識別出了很多我們不需要的欄位,而我們只需要作者、評論內容、釋出時間及閱讀量這四個欄位的內容,這種情況下可以將原先識別出來的欄位全部清空,再手動新增欄位。

欄位設定效果如下:

2、手動設定翻頁

由於同花順圈子的短評是實時載入的,頁面上沒有“下一頁”的翻頁按鈕,需要點選“載入更多”才能出現之前的內容,智慧模式不能自動識別到“載入更多”這個元素,此時會出現以下提示:

為了採集到之前的評論內容,我們需要手動設定翻頁,我們選擇“分頁設定—手動設定分頁—點選分頁按鈕”,然後點選頁面上的“載入更多”按鈕,這樣就能採集出所有資料了。

點此瞭解更多關於翻頁的內容。

步驟四:設定並啟動採集任務

1、設定採集任務

完成了採集資料新增,我們可以開始啟動採集任務了。在啟動之前我們需要對採集任務進行一些設定,從而提高採集的穩定性和成功率。

點選“設定”按鈕,在彈出的執行設定頁面中我們可以進行執行設定和防遮蔽設定,這裡我們勾選“跳過繼續採集”,設定“2”秒請求等待時間,勾選“不載入網頁圖片”,防遮蔽設定就按照系統預設設定,然後點選儲存。

點此深入瞭解如何對採集任務進行配置。 

2、啟動採集任務

點選“儲存並啟動”按鈕,可在彈出的頁面中進行一些高階設定,包括定時啟動、自動入庫和下載圖片,本次示例不需要使用到這些功能,我們直接點選“啟動”執行爬蟲工具。

點此深入瞭解什麼是定時採集。

點此深入瞭解什麼是自動入庫。

點此深入瞭解如何下載圖片。

【溫馨提示】免費版本可以使用非週期性定時採集功能,下載圖片功能是免費的。個人專業版及以上版本可以使用高階定時功能和自動入庫功能。

3、執行任務提取資料

任務啟動之後便開始自動採集資料,我們從介面上可以直觀的看到程式執行過程和採集結果,採集結束之後會有提醒。

步驟五:匯出並檢視資料

資料採集完成後,我們可以檢視和匯出資料,后羿採集器支援多種匯出方式(手動匯出到本地、手動匯出到資料庫、自動釋出到資料庫、自動釋出到網站)和匯出檔案的格式(EXCEL、CSV、HTML和TXT),我們選擇自己需要方式和檔案型別,點選“確認匯出”。

點此深入瞭解如何檢視和清空採集資料。

點此深入瞭解如何匯出採集結果。

【溫馨提示】:所有手動匯出功能都是免費的。個人專業版及以上版本可以使用釋出到網站功能。

 

再為您推薦幾個採集教程:

如何免費採集東方財富網行情中心新三板股票資料

如何採集網貸之家P2P平臺的成交資料

如何採集巴位元區塊鏈論壇資料