采集场景

在百度图片首页（http://image.baidu.com/）输入关键词搜索，采集得到的图片地址。示例是搜索关键词【三清山】得到的图片。

 

采集字段

搜索关键词、图片地址、图片保存文件路径。

 

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

 

采集结果

采集结果可导出为Excel，CSV，HTML，数据库等多种格式。导出为Excel示例：

 

 

教程说明

本篇制作时间：2022/6/30    八爪鱼版本：V8.5.4

如果因网页改版造成网址或步骤无效，无法采集到目标数据，请联系官方客服，我们将及时修正。

 

采集步骤

步骤一、打开网页

步骤二、输入多个关键词并搜索

步骤三、设置滚动，加载更多图片

步骤四、创建【循环列表】，采集所有图片地址

步骤五、编辑字段

步骤六、启动采集

 

以下为具体步骤：

 

步骤一、打开网页

 

1、在首页【输入框】中输入目标网址  https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1586763732362_R&pv=&ic=&nc=1&z=&hd=&latest=&copyright=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&sid=&word=庐山，点击【开始采集】，八爪鱼自动打开网页。

 

 

特别说明：

a. 打开网页后，如果开始开始【自动识别】，请点击【不再自动识别】或【取消识别】将其关掉。因为本文不适合使用【自动识别】。

b. 【自动识别】适用于自动识别网页上的列表、滚动和翻页，识别成功后直接启动采集即可获取数据。详情点击查看 【自动识别】教程

c. https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1586763732362_R&pv=&ic=&nc=1&z=&hd=&latest=&copyright=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&sid=&word=庐山  是在百度图片首页，输入关键词【庐山】并搜索后得到的网址。为什么打开这个网址，而不是打开百度图片首页  http://image.baidu.com/ ？这是因为我们需要输入多个关键词，如果是打开首页网址 http://image.baidu.com/ ，第1个关键词在首页输入并搜索，搜索后得到列表。第2个关键词则是在列表页输入并搜索的。首页和列表页的搜索按钮源码不一样，会造成第2个关键词无法正常搜索。为了解决这个问题，我们直接打开列表页，让所有关键词，都在列表页输入并搜索。

 

步骤二、批量输入多个关键词并搜索

 

通过以下几步，实现批量输入多个关键词。

1、创建【文本列表循环】，存储多个关键词

2、创建【输入文本】并与【文本列表循环】联动，以输入多个关键词

3、点击【百度一下】搜索

 

1、创建【文本列表循环】，存储多个关键词

在【打开网页1】步骤后，添加一个【循环】。

点击【循环框】，在下方设置页面。选择循环方式为【文本列表】，点击   按钮，将我们准备好的关键字输进去（可同时输入多个关键字，一行一个即可）后保存。

 

 

特别说明：

a. 示例中输入的关键词是【三清山】、【故宫】和【庐山】，可根据自身需求进行替换。

b. 一次最多输入2W个关键字。可先准备一个包含多个关键字的文档，然后将其复制粘贴进八爪鱼中。

 

2、创建【输入文本】并与【文本列表循环】联动，以输入多个关键词

 

① 创建【输入文本】

选中页面中的搜索框，在黄色操作提示框中，选择【输入文本】后点击【确定】。

 

② 【输入文本】与【文本列表循环】联动

如果【输入文本】没有在【循环】中，将【输入文本】步骤拖入【循环】中。然后进入【输入文本】设置页面，勾选【使用当前循环里的文本来填充输入框】后保存。

 

 

特别说明：

a. 如果选中了输入框，但是操作提示框没有【输入文本】这个选项，则很有可能是选中输入框的范围不对，选择时可尝试不同大小的范围。（选中范围会被绿色覆盖，注意观察下面2个图，正确示范和错误示范中，输入框被绿色覆盖的范围）。

 

3、点击搜索

在【循环】中选择一个关键词，再点击【输入循环中文本】，可以看到，关键词成功输入进网页的文本框中。

然后选中【百度一下】按钮，在操作提示框中点击【点击该按钮】，出现关键词的搜索结果列表页。

 

 

步骤三、设置边滚动边加载更多图片

 

创建【循环】，选择循环方式【滚动网页】，由于图片需要慢慢滚动加载出来，设置滚动方式为【向下滚动一屏】，间隔为2s滚动一次，滚动次数根据具体需求输入，这边默认就是滚动100次，设置好后点击【应用】。

 

 

特别说明：

a. 设置中的滚动次数和时间间隔，请根据采集需求和网页加载情况进行设置，并非是一成不变的，具体请点击查看 处理滚动加载数据的网页教程

b. 为什么设置【Ajax超时】？即在点击【百度一下】后，等待10秒，即执行下一步骤，避免等待过长时间，影响采集速度，详情点击查看  Ajax网页采集方法

c. 为什么设置【执行前等待】？即在执行此步骤前，等待一段时间，以充分加载网页，避免漏数据，详情点击查看  执行前等待教程

 

步骤四、创建【循环列表】，采集所有图片地址并实现下载到本地文件夹

 

1、创建【循环列表】

通过以下连续3步，采集所有图片地址

① 选中页面上1个图片列表

② 在黄色操作提示框中，点击【选中全部】

③ 点击【采集以下图片地址并下载】

 

 

特别说明：

a. 经过以上3步，【循环-提取数据】创建完成。【循环】中的项，对应着页面上所有图片列表，【提取数据】中的字段，对应着每张图片的地址。启动采集以后，八爪鱼就会按照循环中的顺序依次提取每张图片的地址。

b. 为何通过以上3步，可建立【循环-提取数据】？详情点击查看 列表数据采集教程 。

 

2、修改【循环列表】XPath

自动生成的【循环列表】定位XPath，会连广告的图片都定位导致有些数据为空数据。我们需要修改一下，使其定位到所有的图片。

进入【循环列表】设置界面，修改XPath为：//div[@class="imgpage"]/ul/li[@class="imgitem normal"] 后点击应用。

 

 

特别说明：

a. 如何修改XPath，使之精准定位到目标数据？这需要一定的XPath知识。点击查看 XPath学习与实例教程 。

b. 部分关键词的搜索结果，可能会出现一些广告数据，采集下来的URL与正常图片不同，一般有几条，本文未做处理。

 

步骤五、编辑字段

 

1、提取关键词的文本

八爪鱼自动为我们提取了列表中的所有字段。但是有些字段没提取到，比如关键词的文本。

我们可以手动提取。选中页面的输入框，在操作提示框中选择【采集文本框的值】，将输入的关键词文本采集下来。

  

2、编辑已提取字段

在【当前页面数据预览】页面，可删除多余字段，修改字段名，移动字段顺序等。

 

 

步骤六、启动采集

 

1、单击【保存】，【采集】并选择【普通模式】。启动后八爪鱼开始自动采集数据。

 

 

特别说明：

a. 【本地采集】是使用自己的电脑进行采集，【云采集】是使用八爪鱼提供的云服务器采集，点击查看 本地采集与云采集详解。

 

2、采集完成后，选择合适的导出方式导出数据。支持导出为Excel、CSV、HTML、数据库等。这里导出为Excel。

 

 

示例数据：

 

 

拓展阅读

经过如上操作，我们成功的把图片采集并且保存到本地指定的文件夹上。

具体图片的一些采集细节调整可以参考该教程 https://www.bazhuayu.com/tutorial8/81twwjxz

 

作者：勾勾

编辑：勾勾