当前位置:AIGC资讯 > 数据采集 > 正文

八爪鱼批量爬取html中的数据,批量采集网页数据 - 八爪鱼采集器

有时候,我们有大量同类网页,希望八爪鱼能自动采集每个网页中的数据。通过设置【URL循环】,可实现此需求。

什么是同类网页?结构相同、字段差不多的网页。例:

京东商品详情页:

豆瓣电影详情页:

https://movie.douban.com/subject/26387939/

https://movie.douban.com/subject/6311303/

https://movie.douban.com/subject/1578714/

一、【URL循环】操作演示

示例网址:

https://movie.douban.com/subject/26387939/

https://movie.douban.com/subject/6311303/

https://movie.douban.com/subject/1578714/

https://movie.douban.com/subject/26718838/

https://movie.douban.com/subject/25937854/

https://movie.douban.com/subject/26743573/

https://movie.douban.com/subject/20451290/

https://movie.douban.com/subject/26816383/

采集需求:

采集每个豆瓣电影详情页的电影

Step1. 打开网页

在首页左上角点击【新建】—【自定义任务】。网址输入界面默认的是【手动输入】。将复制好的一批同类网址,粘贴进网址输入框中,并点击【保存网址】。八爪鱼中内置的浏览器会自动打开网页。

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

打开右上角的【流程】按钮,可见流程中已自动创建【循环-打开网页】步骤。

特别说明:

a. 手动输入的url数量不得大于1万个,如有超过1万url,请选择【从文件导入】,具体请查看教程 网址输入升级

b.  Url还可以选择【从任务导入】和【批量生成】,具体请查看教程 网址输入升级

Step2.按照需求配置所需的字段。

Step3. 配置完成后启动采集。采集到的数据示例如下图所示:

二、Url循环的使用场景

1、【URL循环】的任务,在进行【云采集】时,可有效进行任务拆分,分配到每个云节点上并发采集,极大提高采集速度

2、有的网页在采集时,点击跳转至详情页后,无法返回列表页。可以先采集详情页的链接(URL),然后通过【URL循环】,批量打采集每个详情页内的数据。

作者:西瓜

编辑:Aisling

更新时间 2023-11-08