采集场景 在hotsom网站页面https://export.hotosm.org/en/v3/exports循环点击每个链接，采集详情页展示的详细数据。 列表页面：     详情页面：     采集字段 Description、Id、Project Area、Createdat、Createdby、published、ExportFormats、OSMAnalysis、Status、ID、Finished、Duration、ShapeFile、ShapeFileUrl、GeoPackage、GeoPackageU…

通过前几课的学习，我们已经学会了 采集列表数据、采集表格数据。如果一个页面上很多同类链接，需要依次点击每个链接进入详情页，然后采集每个详情页中的数据呢？   以百度百家号为例。现在有一个百家号资讯列表的网页：https://www.baidu.com/s?tn=news&rtt=1&bsst=1&cl=2&wd=%E6%95%B0%E6%8D%AE%E9%87%87%E9%9B%86&medium=2 可以看到，网页上有很多资讯链接，点击每个资讯链接进入详情页，每个详情页都有…

采集场景 采集B站UP主主页的视频列表数据。 示例网址： https://space.bilibili.com/33775467 https://space.bilibili.com/2282611 https://space.bilibili.com/21975459   采集字段 发布者、关注数、粉丝数、认证、UID、标题、视频连接、总播放数、发布时间、时长、视频封面链接   点击查看高清大图，下文其他图片同理     采集结果 采集结果可导出为Excel、CSV、HTML、数据库等多种格式。导出为Excel示…

在 客户端界面介绍 里，我们简单讲了数据采集的2种模式：【使用模板采集数据】和【自定义配置采集数据】。 本文将详细讲解【自定义任务编辑界面介绍】，【自定义配置采集数据】可点击开始学习 。   一、自定义采集界面介绍 自定义任务界面是在自定义采集模式下出现的界面，该界面包含了不同的功能分区，自定义模式界面所下图示。   1）左上角红框为任务名，双击后可进行修改，修改完成后点击其他位置即可进行保存。      2）界面右上角为【切换浏览模式】、【设置】、【点击隐藏数据预览】、【点击隐藏流程图】、【保存】及【采集】按键。…

有的网页包含iframe框架，在八爪鱼中也需进行相应设置，本教程将详细讲解。   1、什么是iframe框架？ 通俗来说，iframe框架就是在同一个页面中有多个网页，也就是网页中嵌套了其他的网页。 iframe框架可能有一层，也可能有多层。   如何判断网页有几层iframe框架？ 借助火狐浏览器的irebug和firepath插件，我们可以很容易地判断出网页有几层iframe框架。 如果没有安装，请查看 火狐浏览器的irebug和firepath插件安装教程  。 安装好后，点击【Top Window】位置，会…

在采集数据过程中，我们可能有这样的：第一次采集所有数据，需要再采集的时候只需要采集网络就添加的数据，这时候就可以使用八爪鱼的【增量采集】功能。   【增量采集】通过对比URL来实现增量数据的采集： 将当前URL与历史URL对比，如果相同URL与历史URL相同，则跳过不采集。反之则采集。   一、功能说明 在任务配置页面，点击【采集配置】按钮，进入配置页面：   进入设置页面后，可以看到： 【启用增量采集】的选项。同时提供两种网址对比方式： 【对比整个URL，包含所有参数】：当前整条网址与之前采集过的网址做对比，如果…

在做新闻类数据采集的时候，新闻的正文一般都有多个段落。 如果想将正文完全按照原文结构顺序采集下来，并将所有内容合并到一条数据中，可以用文章段落构建循环，然后设置【同一字段多次提取合并为一行】。 本文将以网易财经新闻采集为例详细说明。   示例网址：http://money.163.com/17/0706/01/COKG34EG002580S6.html   先按照需求提取数据。将每一段文本看做一个列表，按照 列表数据采集的方法，创建循环列表。如下图所示：       启动采集以后发现，得到很多条数据，一段对应一条数…

XPath对于八爪鱼数据采集十分重要。绝大多数的数据采集问题，都可以通过写一条正确的XPath解决。 本课将详细讲解XPath相关的问题。    一、HTML 与 XPath   我们日常浏览的网页本质上都是一个个HTML文档。打开网页后，鼠标右键打开菜单，选择【查看网页源代码】，就能看到该网站的HTML文档。网页上的数据，在其HTML文档中都有一个对应位置。     鼠标放到图片上，右键，选择【在新标签页中打开图片】可查看高清大图 下文其他图片同理   如何在HTML文档中找到想要的数据？XPath是最常用的语言…

采集场景 在58同城地区首页（https://sz.58.com/ ，示例中默认为深圳） ，进入招聘频道，输入职位名称搜索，得到搜索结果列表。点击职位标题链接进入详情页，采集该职位具体信息。   采集字段 职位、薪酬、更新时间、浏览人数、申请人数等字段。     采集结果 采集结果可导出为Excel、CSV、HTML、数据库等多种格式。导出为Excel示例：     采集步骤 步骤一：打开网页 步骤二、输入关键词并搜索 步骤三、建立【循环-点击元素】，进入每个职位的详情页 步骤四、提取职位详情页中的字段 步骤五、编…

在 第3课中，我们学会了如何采集多个列表中的数据，相信大家都已学会创建【循环-提取数据】。本节课将学习一种特殊格式的列表数据——表格数据采集。   表格是一种很常见的网页样式，例：球探网的赛事比分表，天天基金网的基金排名表，东方财富网的股票信息表，中国证券业协会的年报披露表格等等。   表格作为列表数据的特殊形式，我们可以将表格的每一行看作为列表的每一个数据的大区块范围， 表格每一行的全部单元格字段，相当于列表每个数据区块内的多个子字段。那么上节课讲的【循环-提取数据】创建方法在本课也能用。   现在有一个新浪财经…