电商
社交媒体
新闻资讯
生活服务
金融
房产
【孔夫子】旧书网类目下图书列表页采集
2022-06-08
3674
采集场景
孔夫子旧书网有非常多的类目，本教程讲解如何分类目采集图书列表页数据。
示例网址 http://book.kongfz.com/Cjishu/n1004000000/ 是【图书-工程技术-改革开放与80年代】类目的网址。
采集字段
书名、出版社、店铺名称、发货地址、品相、售价等字段。
点击查看高清大图，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：2022/6/08 八爪鱼版本：V8.5.2
如果因网页改版造成网址或步骤无效，无法收集到目标数据，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，创建网页循环
步骤二、使用【智能识别】，采集所有图书列表中的数据
步骤三、编辑字段、修改字段XPath
步骤四、启动采集
以下为具体步骤：
步骤一、打开网页
在首页【输入框】中输入目标网址 ，点击【开始采集】，八爪鱼自动打开第一个网页。
本示例输入的是以下2个网址：http://book.kongfz.com/Cjishu/n1004000000
（输入网址时可输入多个网址，网址结构需一致，网址之间分行隔开）
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. 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】。
c. 【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
步骤二、使用【智能识别】，采集所有图书列表中的数据
点击右上角操作提示框中的【自动识别】，待它识别成功，点击【生成采集设置】（已默认生成翻页设置）。
特别说明：
a. 智能识别成功，一个网页可能有多组数据，八爪鱼会将所有数据识别出来，然后智能推荐最常用的那组。如果推荐的不是想要的，可自行【切换识别结果】
b.【自动识别】默认生成的翻页设置，在采集时，八爪鱼会自动点击【下一页】按钮进行翻页，从第1页，第2页......直到最后1页。如果只需采集特定页的数据，可在八爪鱼中设置循环翻页的次数，详情点击查看 翻页以采集多页数据教程。
步骤三、编辑字段
执行完上面的步骤，基本流程已经设置好了，我们需要进一步完善规则。
1、修改字段名称、删除字段
在【当前页面数据预览】面板中，修改字段名称，然后删除不需要的字段。
2、添加字段
【自动识别】为我们提取的是一些常见字段，但是发货地址并没有提取，我们手动提取。点击第一个列表的发货地址字段，在操作提示框中选择采集该元素的文本。生成字段，修改字段名为发货地址。
4、修改字段XPath
为了精准采集到每个字段，我们需要修改一下字段的XPath。
找到要修改的字段，点击字段后的 【更多字段操作】 按钮，在如图位置修改字段的XPath和备用位置XPath。
示例中修改了3个字段：
【书名】XPath： //div[@class="title"]/a[@class="link"]
【出版社】XPath： //span[@class="normal-title"][text()='出版社']/following::span[1][@class="normal-text"]
备用位置：//div[@class="zl-isbn-info"]/span[2]
步骤四、启动采集
1、单击【采集】并【启动本地采集】。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。数据示例：
作者：Tom
编辑：surely
