MyException - 我的异常网
当前位置:我的异常网» 行业应用 » 一步一步教你网易资讯数据爬虫制作

一步一步教你网易资讯数据爬虫制作

www.MyException.Cn  网友分享于:2018-03-30  浏览:1次
一步一步教你网易新闻数据爬虫制作

本文演示使用八爪鱼抓取网易新闻数据的方法。。



在开始之前,可以先参考一下这些文章,希望有帮助:
小白30分钟学会网页爬虫
网页爬虫真实案例记录

 

文中用到的爬虫工具(八爪鱼),只作为演示使用,实际应用中可以替换成自己拿手的工具或代码语言即可。

 

演示网址:http://news.163.com/world/

 

使用功能点:

l Ajax滚动加载设置

l 列表内容提取

 

网易新闻数据抓取说明:本文进行了网易新闻数据的抓取,本文仅以“网易新闻数据抓取”为例,大家在实操过程中,可根据自身需求,更换网易新闻的其他内容进行数据抓取。

网易新闻数据抓取详细说明:网易新闻标题,网易新闻标签,新闻发布时间,新闻跟帖数量。

 

步骤1:创建抓取任务进入主界面选择,选择自定义模式

 

清晰原图>>

将上面网址的网址复制粘贴到网站输入框中,点击“保存网址”

 

清晰原图>>

保存网址后,页面将在抓取器中打开,红色方框中的信息是这次演示要抓取的内容

 

清晰原图>>

 

步骤2:设置ajax页面加载时间

l 设置打开网页步骤的ajax滚动加载时间

在页面打开后,当下拉页面时,会发现页面有新的数据在进行加载

 

清晰原图>>

所以需要进行以下设置:打开流程图,点击“打开网页”步骤,在右侧的高级选项框中,勾选“页面加载完成向下滚动”,设置滚动次数,每次滚动间隔时间,一般设置2秒,这个页面的滚动方式,选择“直接滚动到底部”;最后点击确定

 

清晰原图>>

注意:这里的滚动次数及间隔需要针对网站进行设置,测试方法可以参考7.0教程——AJAX滚动教程

 

步骤3:抓取列表内容

l 选中需要抓取列表中的新闻框,创建数据提取列表

如图,移动鼠标选中列表中标题的名称,右键点击,需抓取的内容会变成绿色,选择右侧提示框中的“选中子元素”

 

清晰原图>>

注意:点击右上角的“流程”按钮,即可展现出可视化流程图。

列表中所有适配内容会被选中,在右侧操作提示框中,点击“选中全部”

 

清晰原图>>

注意: 鼠标放在该字段上会出现一个删除标识,点击即可删除该字段。

 

清晰原图>>

 

点击“抓取以下数据”

 

清晰原图>>

修改抓取字段名称,点击下方红色方框中的“保存并开始抓取”

 

清晰原图>>

 

步骤4:数据抓取及导出根据抓取的情况选择合适的抓取方式,这里选择“启动本地抓取”

 

清晰原图>>

说明:本地抓取占用当前电脑资源进行抓取,如果存在抓取时间要求或当前电脑无法长时间进行抓取可以使用云抓取功能,云抓取在网络中进行抓取,无需当前电脑支持,电脑可以关机,可以设置多个云节点分摊任务,10个节点相当于10台电脑分配任务帮你抓取,速度降低为原来的十分之一;抓取到的数据可以在云上保存三个月,可以随时进行导出操作。

抓取完成后,选择合适的导出方式,将抓取好的数据导出

 

清晰原图>>

文章评论

程序员的鄙视链
程序员的鄙视链
程序员都该阅读的书
程序员都该阅读的书
“懒”出效率是程序员的美德
“懒”出效率是程序员的美德
一个程序员的时间管理
一个程序员的时间管理
不懂技术不要对懂技术的人说这很容易实现
不懂技术不要对懂技术的人说这很容易实现
程序员和编码员之间的区别
程序员和编码员之间的区别
Java 与 .NET 的平台发展之争
Java 与 .NET 的平台发展之争
 程序员的样子
程序员的样子
2013年美国开发者薪资调查报告
2013年美国开发者薪资调查报告
程序员眼里IE浏览器是什么样的
程序员眼里IE浏览器是什么样的
每天工作4小时的程序员
每天工作4小时的程序员
如何成为一名黑客
如何成为一名黑客
做程序猿的老婆应该注意的一些事情
做程序猿的老婆应该注意的一些事情
看13位CEO、创始人和高管如何提高工作效率
看13位CEO、创始人和高管如何提高工作效率
Web开发者需具备的8个好习惯
Web开发者需具备的8个好习惯
我是如何打败拖延症的
我是如何打败拖延症的
亲爱的项目经理,我恨你
亲爱的项目经理,我恨你
聊聊HTTPS和SSL/TLS协议
聊聊HTTPS和SSL/TLS协议
10个调试和排错的小建议
10个调试和排错的小建议
科技史上最臭名昭著的13大罪犯
科技史上最臭名昭著的13大罪犯
初级 vs 高级开发者 哪个性价比更高?
初级 vs 高级开发者 哪个性价比更高?
程序猿的崛起——Growth Hacker
程序猿的崛起——Growth Hacker
我跳槽是因为他们的显示器更大
我跳槽是因为他们的显示器更大
5款最佳正则表达式编辑调试器
5款最佳正则表达式编辑调试器
程序员周末都喜欢做什么?
程序员周末都喜欢做什么?
旅行,写作,编程
旅行,写作,编程
60个开发者不容错过的免费资源库
60个开发者不容错过的免费资源库
代码女神横空出世
代码女神横空出世
程序员必看的十大电影
程序员必看的十大电影
如何区分一个程序员是“老手“还是“新手“?
如何区分一个程序员是“老手“还是“新手“?
那些争议最大的编程观点
那些争议最大的编程观点
为啥Android手机总会越用越慢?
为啥Android手机总会越用越慢?
鲜为人知的编程真相
鲜为人知的编程真相
“肮脏的”IT工作排行榜
“肮脏的”IT工作排行榜
漫画:程序员的工作
漫画:程序员的工作
Web开发人员为什么越来越懒了?
Web开发人员为什么越来越懒了?
中美印日四国程序员比较
中美印日四国程序员比较
Google伦敦新总部 犹如星级庄园
Google伦敦新总部 犹如星级庄园
总结2014中国互联网十大段子
总结2014中国互联网十大段子
要嫁就嫁程序猿—钱多话少死的早
要嫁就嫁程序猿—钱多话少死的早
编程语言是女人
编程语言是女人
Java程序员必看电影
Java程序员必看电影
写给自己也写给你 自己到底该何去何从
写给自己也写给你 自己到底该何去何从
当下全球最炙手可热的八位少年创业者
当下全球最炙手可热的八位少年创业者
老美怎么看待阿里赴美上市
老美怎么看待阿里赴美上市
团队中“技术大拿”并非越多越好
团队中“技术大拿”并非越多越好
老程序员的下场
老程序员的下场
程序员应该关注的一些事儿
程序员应该关注的一些事儿
那些性感的让人尖叫的程序员
那些性感的让人尖叫的程序员
软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有