后羿采集器——最良心的爬虫工具
·
采集工作分为两种类型：智能模式和流程图模式。
智能模式就是加载网页后，软件自动分析网页结构，智能识别网页内容，简化操作流程。这种模式比较适合简单的网页，经过我的测试，识别准确率还是挺高的。
流程图模式的本质就是图形化编程。我们可以利用后裔采集器提供的各种控件，模拟编程语言中的各种条件控制语句，从而模拟真人浏览网页的各种行为爬取数据。
体现在 IP 池和采集加速等高级功能上，支持 Excel、CSV、TXT、HTML 多种导出格式，并且支持直接导出到数据库，完全够用了。
功能
1.数据抓取
基本的数据抓取非常简单：我们只要点击「添加字段」那个按钮，就会出现一个选择魔棒，然后点选要抓取的数据，就能采集数据了：
2.翻页功能
我在介绍 web scraper 时曾把网页翻页分为 3 大类：滚动加载、分页器加载和点击下一页加载。
对于这三种基础翻页类型，后羿采集器也是完全支持的。
不像 web scraper 的分页功能散落在各种选择器上，后羿采集器的分页配置集中在一个地方上，只要通过下拉选择，就可以轻松配置分页模式。相关的配置教程可见官网教程：如何设置分页。
3.复杂表单
对于一些多项联动筛选的网页，后羿采集器也能很好的处理。我们可以利用后裔采集器里的流程图模式，去自定义一些交互规则。
例如下图，我就利用了流程图模式里的点击组件模拟点击筛选按钮，非常方便。
我用夸克网盘给你分享了「网站数据一键爬取...采集器）」
链接：https://pan.quark.cn/s/b4738095eb30
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
11
0- 0
已为社区贡献5条内容
所有评论(0)