第3课中,我们学会了如何采集多个列表中的数据,相信大家都已学会创建【循环-提取数据】。本节课将学习一种特殊格式的列表数据——表格数据采集。

 

表格是一种很常见的网页样式,例:球探网的赛事比分表,天天基金网的基金排名表东方财富网的股票信息表中国证券业协会的年报披露表格等等。

 

表格作为列表数据的特殊形式,我们可以将表格的每一行看作为列表的每一个数据的大区块范围, 表格每一行的全部单元格字段,相当于列表每个数据区块内的多个子字段。那么上节课讲的【循环-提取数据】创建方法在本课也能用。

 

现在有一个新浪财经股票表格的网页:

http://stock.finance.sina.com.cn/stock/go.php/vIR_RatingNewest/index.phtml  表格结构非常整齐,每条股票信息各占表格的一行,一行股票中包含多个字段信息:股票代码、股票名称、目标价、最新评级、评级机构等。

 

 

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

 

我们想要将这些字段采集下来并以Excel等形式存储下来,如下图所示。

 

 

在八爪鱼中该如何操作?

示例网址:http://stock.finance.sina.com.cn/stock/go.php/vIR_RatingNewest/index.phtml

 

一、智能识别


表格型的网页,八爪鱼支持智能识别。使用智能识别,只需输入网址就能自动获取数据,并生成采集流程,如下图所示。
点击了解 智能识别详情

 

二、自行配置采集流程


如果想要自行配置采集流程,怎么办?以下为具体步骤:


步骤一、输入网址


在首页【输入框】中输入目标网址,点击【开始采集】,八爪鱼自动打开网页。如果自动开始智能识别,可点击【不再自动识别】或【取消识别】。如果已关闭智能识别,可进行接下来的步骤。

 

 

步骤二、建立【循环-提取数据】

 

我们可以联想到上节课中讲过的知识点,将表格作为列表数据的特殊形式,将每一行股票作为列表中每一条数据的大区块范围来看, 创建【循环-提取数据】,让八爪鱼自动识别到全部股票,和每个股票数据的全部子元素。

 

先看一个包含所有具体步骤的动图:

 

再拆分每个步骤,进行详情说明:

 

1、先选中页面上第一个列表的第一个单元格,再点击提示框右下角的【tr】按钮阔选fa,选中至一整行。

 

选中后,提示框会提示发现了【子元素】,【子元素】即八爪鱼自动识别到的每一行的具体字段,想问你是否要定位这些子元素。

 

特别说明:

a. 点击tr扩大范围按钮时,如果点击1次没有选中一行,可点击多次,直至选中一行。

 

 

 

 

 

2、在提示框中,选择【选中全部子元素】。第1个股票中的具体字段就被选中了,这时八爪鱼又自动识别到页面中其他股票列表具有相同的【子元素】。

 

 

3、在提示框中,选择【选中全部相似组】。可以看到页面中所有股票列表中的子元素也都被选中了,被绿色框框起来。

 

 

4、在提示框中,选择提取数据【元素中数据内容】。这时候,八爪鱼就将表格中的字段都提取下来了。

 

 

  

经过以上4步,【循环-提取数据】创建完成。流程区中自动生成了1个【循环-提取数据】步骤。循环中包含了页面上全部股票的行数,提取数据中包含了一个股票中的全部字段。

 

 

步骤3、编辑字段

 

八爪鱼自动为我们提取了列表中的所有字段,我们可以对这些字段进行删除、修改字段名称等操作。

鼠标双击到名称上,可修改字段名称。

鼠标移动到  按钮上,可对字段进行更多操作:删除、复制、格式化等。

 

 

步骤4、启动采集

 

1、点击【保存并启动】,选择【启动本地采集】。八爪鱼跳出采集窗口,我们可以看见采集窗口中在进行自动采集。

 

 

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。这里导出为Excel。数据示例: 

 

 

 

作者:西瓜
编辑:Aisling