一步步教您学会大数据采集之小说数据采集教程

本文介绍如何使用后羿采集器的智能模式,免费采集乐文小说网上的小说数据。

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。

官方网址:http://www.houyicaiji.com/

采集对象简介:

乐文小说网(/www.lewenxiaoshuo.com)以立志做最好的网络小说分享平台为目标,网站上拥有许多网友上传的免费小说,为许多小说爱好者提供一个交流的平台。

采集字段:

章节名称、章节链接、章节内容

功能点目录:

如何对采集字段进行配置

如何采集列表+详情页类型网页

采集结果预览:

下面我们来详细介绍一下如何免费采集乐文小说网小说数据,我们以《武破九霄》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、打开后羿采集器官网,下载并安装最新版的后羿采集器

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旗下产品,神箭手用户可直接登录。

步骤二:新建采集任务

1、复制乐文小说网《武破九霄》网页地址(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。

后羿V2.1.23版本暂时乐文小说网的智能识别还不够准确,在这种情况下我们可以手动设置列表识别。

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《武破九霄》的章节名称及章节链接,字段设置效果如下:

2、使用深入采集功能提取详情页数据

在列表页上展示出了小说的章节名称和章节链接,如果需要章节内容,我们需要右击章节链接,然后使用“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小说的具体内容,我们可以点击“添加字段”添加采集字段,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,本次示例中未使用到这些功能,直接点击“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。

 

再为您推荐几个采集教程:

如何免费采集淘宝商品信息数据

如何免费采集腾讯新闻信息数据

如何免费采集大众点评商家数据

 

声明:
本教程所采集的网站及内容,仅作为示例教程使用,不涉及商业用途,如果侵犯您的权利,请与我们联系,谢谢!

猜你喜欢

转载自www.cnblogs.com/houyicaijiqi/p/9894305.html