5
新手入门 功能点介绍

如何免费采集孔夫子旧书网书籍信息

2019-12-12 15:46:46
浏览 1010 次

摘要:本文主要介绍如何使用后羿采集器的智能模式,免费采集孔夫子旧书网上线装古籍的数据售卖信息及图片。 免费下载软件

本文主要介绍如何使用后羿采集器的智能模式,免费采集孔夫子旧书网上线装古籍的数据售卖信息及图片。

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:

孔夫子旧书网(www.kongfz.com)创建于2002年,是全球最大的中文旧书网上交易平台,是传统的旧书行业结合互联网而搭建的C2C平台,是C2C的精准细分市场。

本教程采集的是孔夫子旧书网上的线装古籍信息,这个网站比较特殊,详情页的链接需要点击图片才能获取到,如果需要深入采集到详情页的信息,在软件自动识别字段的基础上,可以新建一个字段采集主图图片,然后在提示“当前字段包含URL链接,是否抓取”时点击确定,这样子才能获取到正确的详情页链接,本教程还介绍了如何采集图片到本地,同类的电商网站适用这个图片下载到本地的方法。

采集字段:

书籍名称、书籍链接、主图、作者、年代、纸张、刻印方式、册数、品级、价格、快递费、上书时间、图片、商品描述、店主

采集结果预览:

下面我们来详细介绍一下如何免费采集孔夫子旧书网上的书籍信息及数据图片,具体步骤如下:

步骤一:下载安装后羿采集器,并注册登录

1、点此打开后羿采集器官网,下载并安装爬虫软件工具—后羿采集器软件

2、点击注册登录,注册新账号,登录后羿采集器

下载和注册后羿采集器

【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云旗下产品,如果您是神箭手用户,可直接登录。

步骤二:新建采集任务

1、复制孔夫子旧书网线装古籍的网址

点此了解关于如何正确地输入网址。

2、新建智能模式采集任务

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、设置提取数据字段

新建任务输入网址后,软件会自动识别分页及字段,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。

点此了解如何对采集字段进行配置。

在列表页上我们需要采集书籍名称、书籍链接、主图、作者及年代等字段,字段设置效果如下:

2、使用深入采集功能提取详情页数据

由于我们需要采集更多的信息,因此我们需要右击书籍链接使用“深入采集”功能,跳转到详情页进行采集。

点此深入了解如何采集列表+详情页类型网页。

在详情页上,我们可以看到很多的宝贝图片,我们可以选中这个图片,然后在修改字段属性为“提取外部html”,具体操作如下动图所示:

详情页的字段设置效果如下:

步骤四:设置并启动采集任务

1、启动采集任务

点击“开始采集”按钮,可在弹出的启动设置页面中进行一些高级设置,包括“定时启动、防屏蔽、自动导出、图片下载、加速引擎”功能,如果需要设置具体的功能,点击相应功能跳转界面去设置,本次采集任务使用到“下载图片”功能,用户勾选“图片下载”功能后,设置图片的保存地址,然后点击“启动”运行爬虫工具。

点此深入了解什么是定时启动。

点此深入了解什么是自动导出。

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;专业版及以上用户可使用定时启动功能;旗舰版用户可以使用自动导出功能及加速引擎功能。

2、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),同时还支持导出具体条数,可以在数据中选择想导出的条数,然后点击“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:

如何免费采集淘宝带图评论数据

如何免费采集京东商品评论数据

如何免费采集苏宁易购商品大图

分享到: