欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

手机爬虫app推荐(图片爬虫app最新版)

程序员文章站 2024-04-01 08:47:10
前天给大家整理了免费数据源网站合集,看大家的反馈很积极,有粉丝留言说,她还想要爬取一些网页的数据进行分析,不知道该如何下手目前的用的比较多数据爬取方法是用python爬虫,这两年python很火,网上...

前天给大家整理了免费数据源网站合集,看大家的反馈很积极,有粉丝留言说,她还想要爬取一些网页的数据进行分析,不知道该如何下手

目前的用的比较多数据爬取方法是用python爬虫,这两年python很火,网上关于python爬虫的教程也很多,大家可以自行学习,但是对没有代码基础的朋友来说,短期上手python还是很困难的。

于是我就连日整理8个零代码数据爬取的工具,并附上使用教程,帮助一些没有爬虫基础的同学获取数据

1.microsoft excel

没错,第一个要介绍的就excel,很多知道excel可以用来做数据分析,但很少有人知道它还能用来爬数

步骤如下:

1)新建excel,点击“数据”——“自网站”

手机爬虫app推荐(图片爬虫app最新版)

(2)在弹出的对话框中输入目标网址,这里以全国实时空气质量网站为例,点击转到,再导入

手机爬虫app推荐(图片爬虫app最新版)

选择导入位置,确定

手机爬虫app推荐(图片爬虫app最新版)

(3)结果如下图所示

手机爬虫app推荐(图片爬虫app最新版)

(4)如果要实时更新数据,可以在“数据”——“全部更新”——“连接属性”中进行设置,输入更新频率即可

手机爬虫app推荐(图片爬虫app最新版)
手机爬虫app推荐(图片爬虫app最新版)


缺点:这种方式虽然很简单,但是它会把页面上所有的文字信息都抓取过来,所以可能会抓取一部分我们不需要的数据,处理起来比较麻烦

火车头采集器

官网地址:http://www.locoy.com/

火车头是爬虫界的元老了,是目前使用人数最多的互联网数据抓取软件。它的优势是采集不限网页,不限内容,同时还是分布式采集,效率会高一些。不过它规则和操作设置在我看来有一些死板,对小白用户来说上手也有点困难,需要有一定的网页知识基础

操作步骤:(以火车头8.6版本为准)

第1步:打开—登录

第2步:新建分组

手机爬虫app推荐(图片爬虫app最新版)

第3步:右击分组,新建任务,填写任务名;

手机爬虫app推荐(图片爬虫app最新版)

第4步:写采集网址规则(起始网址和多级网址获取)

手机爬虫app推荐(图片爬虫app最新版)

第5步:写采集内容规则(如标题、内容)

手机爬虫app推荐(图片爬虫app最新版)

第6步:发布内容设置勾选启用方式二(1)保存格式:一条记录保存为一个txt;(2)保存位置自定义;(3)文件模板不用动;(4)文件名格式:点右边的倒立笔型选[标签:标题];(5)文件编码可以先选utf-8,如果测试时数据正常,但保存下来的数据有乱码则选gb2312;

手机爬虫app推荐(图片爬虫app最新版)

第7步:采集设置,都选100; a.单任务采集内容线程个数:同时可以采集几个网址; b.采集内容间隔时间毫秒数:两个任务的间隔时间; c.单任务发布内容线程个数:一次保存多少条数据; d.发布内容间隔时间毫秒数:两次保存数据的时间间隔;

手机爬虫app推荐(图片爬虫app最新版)

附注:如果网站有防屏蔽采集机制(如数据很多但只能采集一部分下来,或提示多久才能打开一次页面),则适当调小a值和调大b的值;

第8步:保存、勾选并开始任务(如果是同一分组的,可以在分组上批量选中)

手机爬虫app推荐(图片爬虫app最新版)

google sheet

使用google sheet爬取数据前,要保证三点:使用chrome浏览器、拥有google账号、电脑已*。

步骤如下:

(1)打开google sheet网站:
http://www.google.cn/sheets/about/

手机爬虫app推荐(图片爬虫app最新版)

(2)在首页上点击“转到google表格”,然后登录自己的账号,可以看到如下界面,再点击“+”创建新的表格

手机爬虫app推荐(图片爬虫app最新版)

(3)打开要爬取的目标网站,一个全国实时空气质量网站http://www.pm25.in/rank,目标网站上的表格结构如下图所示

手机爬虫app推荐(图片爬虫app最新版)

(4)回到google sheet页面,使用函数=importhtml(网址, 查询, 索引),“网址”就是要爬取数据的目标网站,“查询”中输入“list”或“table”,这个取决于数据的具体结构类型,“索引”填阿拉伯数字,从1开始,对应着网站中定义的哪一份表格或列表

对于我们要爬取的网站,我们在google sheet的a1单元格中输入函数=importhtml(“http://www.pm25.in/rank”,”table”,1),回车后就爬得数据啦

手机爬虫app推荐(图片爬虫app最新版)
手机爬虫app推荐(图片爬虫app最新版)

(5)将爬取好的表格存到本地

手机爬虫app推荐(图片爬虫app最新版)

八爪鱼采集器

网站:https://www.bazhuayu.com/

八爪鱼采集器是用过最简单易用的采集器,很适合新手使用。采集原理类似火车头采集器,用户设定抓取规则,软件执行。八爪鱼的优点是提供了常见抓取网站的模板,如果不会写规则, 就直接用套用模板就好了。

它是基于浏览器内核实现可视化抓取数据,所以存在卡顿、采集数据慢的现象。不过整体来说还是不错的,毕竟能基本满足新手在短时间抓取数据的场景,比如翻页查询,ajax 动态加载数据等。

操作步骤:

(1)登陆后找到主页面,选择主页左边的简易采集,如图:

手机爬虫app推荐(图片爬虫app最新版)

(2)选择简易采集中淘宝图标,如图红框:

手机爬虫app推荐(图片爬虫app最新版)

(3)进入到淘宝版块后可以进行具体规则模板的选择,根据楼主截图,应该手提包列表的数据信息采集,此时我们选择“淘宝网-商品列表页采集”,如图:

手机爬虫app推荐(图片爬虫app最新版)

(4)然后会进入到信息设置页面,根据个人需要设置相关关键词,例如此处我们输入的商品名称为“手提包”,如图:

手机爬虫app推荐(图片爬虫app最新版)

(5)点击保存并启动后就可以进行数据采集了,以下是本地采集效果示例,如图:

手机爬虫app推荐(图片爬虫app最新版)

gooseeker 集搜客

网站:
https://www.gooseeker.com/

集搜客也是一款容易上手的可视化采集数据工具。同样能抓取动态网页,也支持可以抓取手机网站上的数据,还支持抓取在指数图表上悬浮显示的数据。集搜客是以浏览器插件形式抓取数据。虽然具有前面所述的优点,但缺点也有,无法多线程采集数据,出现浏览器卡顿也在所难免。

这个操作原理和八爪鱼也差不多,详细的步骤可以看一下官方的文档,我就不展示了

webscraper

网址:https://webscraper.io/

webscraper 是一款优秀国外的浏览器插件。同样也是一款适合新手抓取数据的可视化工具。我们通过简单设置一些抓取规则,剩下的就交给浏览器去工作。

安装和使用步骤:

web scraper是google浏览器的拓展插件,它的安装和其他插件的安装是一样的。

手机爬虫app推荐(图片爬虫app最新版)

(1)启动插件,根据提示使用快捷键打开插件。实际是在开发者工具中添加了一个tab(开发者工具的位置必须设置在底部才会显示)

手机爬虫app推荐(图片爬虫app最新版)
手机爬虫app推荐(图片爬虫app最新版)

(2) 创建爬取任务

  • 点击create new sitemap——create sitemap
  • 输入sitemap name:爬取任务名称
  • 输入start url:爬取的初始页面,这里为https://movie.douban.com/chart
  • 点击create sitemap完成创建
手机爬虫app推荐(图片爬虫app最新版)

(3) 创建选择器

创建sitemap后进入选择器创建界面,点击add selector

selector:选择器,一个选择器对应网页上的一部分区域,也就是包含我们要收集的数据的部分

一个 sitemap 下可以有多个 selector,每个 selector 有可以包含子 selector ,一个 selector 可以只对应一个标题,也可以对应一整个区域,此区域可能包含标题、副标题、作者信息、内容等等信息。

手机爬虫app推荐(图片爬虫app最新版)

selector设置,参数设置完成后点击save selector

  • id为selector名称,自行设定(小写英文)
  • 爬取排行榜中的电影名称,因此type选text
  • selector:点击select,依次点击前两部电影的标题,可以看到后续全部标题已被自动选中,点击done selecting结束选择
  • 采集多条数据时勾选multiple
  • regex为正交表达式设置,用于对选取文本的过滤,此处不设置
  • delay (ms)为每次爬取之间的延迟时间
手机爬虫app推荐(图片爬虫app最新版)

(4)爬取数据

点击sitemap douban——scrape

手机爬虫app推荐(图片爬虫app最新版)

分别设置请求延时(避免过于频繁被封)与页面载入延时(避免网页载入不全)后点击start scraping,弹出新页面开始爬取

手机爬虫app推荐(图片爬虫app最新版)

爬取结束后弹窗自动关闭,点击refresh按钮,即可看到爬取的数据,然后点击sitemap douban——export data to csv导出数据

手机爬虫app推荐(图片爬虫app最新版)

scrapinghub

地址:https://scrapinghub.com/

如果你想抓取国外的网站数据,可以考虑 scrapinghub。它是一个基于python 的 scrapy 框架的云爬虫平台,安装和部署挺简单的,但是操作界面是纯英文的,不太友好,而且性价比不高,它提供的每个工具都是单独收费的。