本文主要介绍如何使用后羿采集器的智能模式,免费采集百姓网二手车的车辆信息、价格、联系电话等信息。
采集工具简介:
后羿采集器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。
这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。
官方网址:http://www.houyicaiji.com/
采集对象简介:
百姓网成立于2005年3月,是国内领先的分类信息生态服务商,是中国互联网轻资产模式的典范。百姓网致力于创造以分类信息业务为平台、多条垂直业务线布局的生态圈,为用户提供涵盖生活服务、招聘求职、房屋租售、二手车买卖、二手交易、教育培训、同城交友等本地生活解决方案。
采集字段:
车辆标题、车辆链接、发布时间、车辆类型、价格、车辆主图、联系方式、车辆信息
功能点目录:
采集结果预览:

下面我们来详细介绍一下如何免费采集百姓网二手车的数据,我们以杭州地区二手车为例,具体步骤如下:
步骤一:下载安装后羿采集器,并注册登录
1、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

【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、复制百姓网杭州二手车的网页(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
在智能模式下,我们输入网址后软件即可自动识别出页面上的数据并生成采集结果,每一类数据对应一个采集字段,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,我们需要采集百姓网杭州二手车的车辆标题、车辆链接、价发布时间、车辆类型、价格及车辆主图等信息,字段设置效果如下:

2、使用深入采集功能提取详情页数据
在列表页上只展示出了杭州二手车的部分信息,如果需要采集车辆具体信息和二手车主的联系方式,我们需要右击车辆链接使用“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。

在详情页面我们可以看到二手车主的联系电话是隐藏的,在这种情况下我们添加字段抽取出来的数据也是不完整的电话号码。

由于在不同的浏览器模式下,网页展示出的内容可能不同,我们可以尝试切换浏览器模式为“iphone浏览器”,看看在手机版网页上二手车主的电话信息是否完整。
点此了解更多切换浏览器模式的内容。
点此了解如何采集手机版网页的内容。

我们可以看到手机版的联系电话是完整的,我们添加联系方式字段,再添加一个车辆详细信息的字段,字段设置效果如下:

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。在启动之前我们需要对采集任务进行一些设置,从而提高采集的稳定性和成功率。
点击“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,这里我们勾选“跳过继续采集”,设置“2”秒请求等待时间,勾选“不加载网页图片”,防屏蔽设置就按照系统默认设置,然后点击保存。
点此深入了解如何对采集任务进行配置。


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,本次示例中未使用这些功能,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。

再为您推荐几个关于生活服务类的采集教程:
网友评论