軟件介紹

Web Scraper是一款非常好用的網(wǎng)頁(yè)爬蟲插件，它可以幫助用戶輕松抓取網(wǎng)站上的所有數(shù)據(jù)內(nèi)容，而且用戶完全不需要編寫任何代碼。Web Scraper適用于各種類型的網(wǎng)站，還支持將抓取的內(nèi)容導(dǎo)出為CSV格式的文件，有需要的用戶快來下載吧。

Web Scraper特色功能

一個(gè)簡(jiǎn)易的網(wǎng)頁(yè)爬蟲插件，可以幫助不懂代碼的用戶實(shí)現(xiàn)數(shù)據(jù)爬取功能。

使用此擴(kuò)展，您可以創(chuàng)建一個(gè)sitemap(站點(diǎn)地圖)，包含該如何遍歷網(wǎng)站以及應(yīng)提取哪些內(nèi)容等。

使用這些sitemap，Web Scraper將相應(yīng)地導(dǎo)航站點(diǎn)并提取所有數(shù)據(jù)。

稍后，可以將已篩選的數(shù)據(jù)導(dǎo)出為CSV。

Web Scraper使用教程

1、標(biāo)簽頁(yè)輸入【chrome://extensions/】進(jìn)入chrome擴(kuò)展程序，解壓你在本頁(yè)下載的Web Scraper插件，并拖入擴(kuò)展程序頁(yè)即可。

2、插件安裝完成后，在瀏覽器中會(huì)出現(xiàn)其按鈕標(biāo)記。用戶可以先在設(shè)置頁(yè)面中對(duì)該插件的儲(chǔ)存設(shè)置和儲(chǔ)存類型功能進(jìn)行設(shè)置。

3、用戶可以使用Web Scraper插件來抓取頁(yè)面，其操作方法如下：

1)、打開你要抓取的網(wǎng)頁(yè)。

首先要使用該插件來提取網(wǎng)頁(yè)數(shù)據(jù)需要在開發(fā)者工具模式中使用，使用快捷鍵Ctrl+Shift+I/F12或者點(diǎn)擊右鍵，選擇“檢查(Inspect)”，在開發(fā)者工具下面就能看到WebScraper的Tab。如下圖所示：

2)、新建一個(gè)Sitemap。點(diǎn)擊Create New Sitemap，里面有兩個(gè)選項(xiàng)，import sitemap是指導(dǎo)入一個(gè)現(xiàn)成的sitemap，咱小白一般沒有現(xiàn)成的，所以一般不選這個(gè)，選create sitemap 就好。

然后進(jìn)行這兩個(gè)操作：

(1)Sitemap Name：代表你這個(gè)Sitemap是適用于哪一個(gè)網(wǎng)頁(yè)的，所以你可以根據(jù)網(wǎng)頁(yè)來自命名，不過需要使用英文字母，比如我抓的是今日頭條的數(shù)據(jù)，那我就用toutiao來命名；

(2)Sitemap URL：把網(wǎng)頁(yè)鏈接復(fù)制到Star URL這一欄，比如圖片里我把「吳曉波頻道」的主頁(yè)鏈接復(fù)制到了這一欄，而后點(diǎn)擊下方的create sitemap來新建一個(gè)Sitemap。

3)、設(shè)置這個(gè)Sitemap

整個(gè)Web Scraper的抓取邏輯是這樣：設(shè)置一級(jí) Selector，選定抓取范圍；在一級(jí) Selector 下設(shè)置二級(jí) Selector，選定抓取字段，然后抓取。

對(duì)于文章而言，一級(jí) Selector 就是你要把這一塊文章的要素圈出來，這個(gè)要素可能包含了 標(biāo)題、作者、發(fā)布時(shí)間、評(píng)論數(shù)等等，然后我們?cè)僭诙��?jí) Selector 中挑出我們要的要素，比如標(biāo)題、作者、閱讀數(shù)。

下面我們來拆解這個(gè)設(shè)置一級(jí)、二級(jí) Selector 的工作流：

(1)點(diǎn)擊 Add new selector 創(chuàng)建一級(jí) Selector。

而后按照以下步驟操作：

輸入id：id代表你抓取的整個(gè)范圍，比如這里是文章，我們可以命名為wuxiaoboarticles；

選擇Type：type 代表你抓取的這部分的類型，比如元素/文本/鏈接，因?yàn)檫@個(gè)是整個(gè)文章要素范圍選取，我們需要用Element 來先整體選取(如果這個(gè)網(wǎng)頁(yè)需要滑動(dòng)加載更多，那就選 Element Scroll Down)；

勾選Multiple：勾選 Multiple 前面的小框，因?yàn)槟阋�選的是多個(gè)元素而不是單個(gè)元素，當(dāng)我們勾選的時(shí)候，爬蟲插件會(huì)幫助我們識(shí)別多篇同類的文章；

保留設(shè)置：其余未提及部分保留默認(rèn)設(shè)置。

(2)點(diǎn)擊select選擇范圍，按照以下步驟操作：

選擇范圍：用鼠標(biāo)選擇你要爬取數(shù)據(jù)的范圍，綠色是待選區(qū)域，用鼠標(biāo)點(diǎn)擊后變?yōu)榧t色，才是選中了這塊區(qū)域；

多選：不要只選一個(gè)，下面的也要選，否則爬出來的數(shù)據(jù)也只有一行；

完成選擇：記得點(diǎn)Done Selecting；

保存：點(diǎn)擊Save Selector。

(3)設(shè)置好了這個(gè)一級(jí)的Selector之后，點(diǎn)進(jìn)去設(shè)置二級(jí)的Selector，按照以下步驟操作：

新建Selector：點(diǎn)擊 Add new selector ；

輸入id：id代表你抓取的是哪個(gè)字段，所以可以取該字段的英文，比如我要選「作者」，我就寫「writer」；

選擇Type：選Text，因?yàn)槟阋�抓取的是文本�?/p>

勿勾選Multiple：不要勾選 Multiple 前面的小框，因?yàn)槲覀冊(cè)谶@里要抓取的是單個(gè)元素；

保留設(shè)置：其余未提及部分保留默認(rèn)設(shè)置。

(4)點(diǎn)擊 select，再點(diǎn)擊你要爬取的字段，按照以下步驟操作：

選擇字段：這里爬取的字段是單個(gè)的，用鼠標(biāo)點(diǎn)擊該字段即可選定，比如要爬標(biāo)題，那就用鼠標(biāo)點(diǎn)擊某篇文章的標(biāo)題，當(dāng)字段所在區(qū)域變紅即為選中；

完成選擇：記得點(diǎn) Done Selecting；

保存：點(diǎn)擊 Save Selector。

(5)重復(fù)以上操作，直到選完你想爬的字段。

4、爬取數(shù)據(jù)

(1)之后你想要爬取數(shù)據(jù)只需要設(shè)置完所有的Selector就可以開始：

點(diǎn)擊Scrape，然后點(diǎn)Start Scraping，彈出一個(gè)小窗后爬蟲就會(huì)開始工作。你會(huì)得到一個(gè)列表，上面有你想要的所有數(shù)據(jù)。

(2)如果你希望把這些數(shù)據(jù)做一個(gè)排序，比如按照閱讀量、贊數(shù)、作者等指標(biāo)排序，讓數(shù)據(jù)更一目了然，那么你可以點(diǎn)擊 Export Data as CSV，把它導(dǎo)入 Excel 表里。

(3)導(dǎo)入 Excel 表格之后，你就可以對(duì)數(shù)據(jù)進(jìn)行篩選了。

我們這里只是簡(jiǎn)單介紹總結(jié)了Web Scraper的插件的功能，安裝以及一個(gè)簡(jiǎn)單的單頁(yè)面例子。其實(shí)Web Scraper的功能遠(yuǎn)遠(yuǎn)不止于此，其實(shí)還能抓取分頁(yè)，還能多頁(yè)多元素的抓取，還能抓取二級(jí)頁(yè)面。