5
新手入门 功能点介绍

【流程图模式】如何免费采集百度搜索多个关键词的数据

2019-12-12 15:47:16
浏览 1884 次

摘要:本文介绍如何使用后羿采集器的流程图模式,免费采集百度搜索多个关键字的信息数据。 免费下载软件

本文介绍如何使用后羿采集器的流程图模式,免费采集百度搜索多个关键字的信息数据。

采集工具简介:

后羿采集器(www.houyicaiji.com)是一款基于人工智能技术的网页采集器,只需要输入网址就能够自动识别网页数据,无需配置即可完成数据采集,是业内首家支持三种操作系统(包括Windows、Mac和Linux)的网络爬虫软件

该软件是一款真正免费的数据采集软件,对采集结果导出没有任何限制,没有编程基础的小白用户也可轻松实现数据采集要求。

采集对象简介:

百度搜索(www.baidu.com)是全球最大的中文搜索引擎,2000年1月由李彦宏、徐勇两人创立于北京中关村,致力于向人们提供“简单,可依赖”的信息获取方式。 “百度”二字源于中国宋朝词人辛弃疾的《青玉案》诗句:“众里寻他千百度”,象征着百度对中文信息检索技术的执著追求。

采集字段:

标题、标题链接、摘要、时间

功能点目录:

什么是行为组件

循环组件的功能点介绍

如何使用提取数据组件

如何实现翻页功能

采集结果预览:

下面我们来详细介绍一下如何使用流程图模式,采集在百度输入多个关键字后的数据,我们以“后羿采集器、神箭手大数据、精灵标注”这三个关键词为例,具体步骤如下:

步骤一:下载安装后羿采集器,并注册登录

1、打开后羿采集器官网,下载并安装最新版的后羿采集器

2、点击注册登录,注册新账号,登录后羿采集器

【温馨提示】您可以直接使用此款爬虫软件,不需要进行注册,但是匿名账户下的任务在切换到注册用户时会丢失,因此建议您注册后使用。

后羿采集器为神箭手旗下产品,神箭手用户可直接登录。

步骤二:新建采集任务

1、复制百度搜索的网页地址(需要搜索结果页的网址,而不是首页的网址)

点此了解关于如何正确地输入网址。

2、新建流程图模式采集任务

您可以在软件上直接新建采集任务,也可以通过导入规则来创建任务。

点此了解如何导入和导出采集规则。

步骤三:配置采集规则

1、设置多个关键字循环任务

在流程图模式输入网址新建任务之后,我们点击搜索框,然后在左上角出现的操作提示框内输入要采集的文字,在这里我们输入“后羿采集器”这个关键词。

点此了解输入文字组件的更多内容。

关键词输入之后,在页面上出现了输入文字组件,此时只设置了一个关键词,我们需要设置多个关键词的搜索,因此需要拖动一个循环组件到任务栏,然后将输入文字组建拖动到循环组件内,设置循环条件。

我们在循环组件上选择文本列表,然后在框内输入要采集的关键词,旗舰版用户可以使用文件导入多个关键词,具体操作如下图所示:

点此了解更多循环组件的内容

2、设置提取字段数据

输入多个关键字循环设置好之后,我们设置需要提取的字段数据,点击网页上的字段,在左上角的操作提示框内选择提取全部元素。

抽取出列表页上的字段之后,我们可以右击字段进行相关设置,包括修改字段名称、增减字段、处理数据等。

点此了解更多关于提取字段组件的内容。

我们需要采集标题、链接、摘要及时间等信息,字段设置效果如下:

3、设置下一页

我们采集出了单页的数据,现在需要采集下一页的数据,我们点击页面上的“下一页”按钮,在左上角出现的操作提示框内选择“循环点击下一页”。

点此了解更多关于翻页的内容。

4、设置完整任务

由于流程图模式是一个循环套循环的过程,并列的循环任务无法正常运行,我们需要把抽取所有页面的循环拖入到输入多个关键字的循环内,拖动情况如下:

步骤四:设置并启动采集任务

1、设置采集任务

完成了采集数据添加,我们可以开始启动采集任务了。点击开始采集之后跳出任务栏,任务栏界面上有“更多设置”的按钮,我们可以点击进行设置,也可以按照系统默认的设置。

点击“更多设置”按钮,在弹出的运行设置页面中我们可以进行运行设置和防屏蔽设置,系统默认设置“2”秒请求等待时间,防屏蔽设置就按照系统默认设置,然后点击保存。

2、启动采集任务

点击“保存并启动”按钮,可在弹出的页面中进行一些高级设置,包括定时启动、自动入库和下载图片,本次示例中未使用到这些功能,直接点击“启动”运行爬虫工具。

点此深入了解什么是定时采集。

点此深入了解什么是自动入库。

点此深入了解如何下载图片。

【温馨提示】免费版本可以使用非周期性定时采集功能,下载图片功能是免费的。个人专业版及以上版本可以使用高级定时功能和自动入库功能。

3、运行任务提取数据

任务启动之后便开始自动采集数据,我们从界面上可以直观的看到程序运行过程和采集结果,采集结束之后会有提醒。

步骤五:导出并查看数据

数据采集完成后,我们可以查看和导出数据,后羿采集器支持多种导出方式(手动导出到本地、手动导出到数据库、自动发布到数据库、自动发布到网站)和导出文件的格式(EXCEL、CSV、HTML和TXT),我们选择自己需要方式和文件类型,点击“确认导出”。

点此深入了解如何查看和清空采集数据。

点此深入了解如何导出采集结果。

【温馨提示】:所有手动导出功能都是免费的。个人专业版及以上版本可以使用发布到网站功能。

 

再为您推荐几个相关的采集教程:

如何采集百度搜索的多个关键字的数据(流程图模式)

如何免费采集今日头条信息数据

如何免费采集淘宝商品信息数据

分享到: