如何用Web Scraper抓取巨潮资讯网全站乐视相关pdf文件

今天乐视的股价可以说是从水深火热到激情澎湃，振幅高达 19.5%，不知大家都赚到了吗？

不管赚没赚到，买股票前收集资料进行调研还是必须的。

上市公司信息发布哪里权威呢，自然是巨潮资讯，毕竟是中国证监会指定信息披露网站。

如何抓取其中乐视相关 pdf 文件呢，从网站上一个个下载多累，还未必能找全，我教你个办法，自动化抓取，一劳永逸。下面开始演示。

 

一、搜索

这里以从巨潮资讯网 全站乐视 相关 pdf 为例，巨潮网址：

http://www.cninfo.com.cn

注意里面用了 site 和 filetype 两个操作符，这两个啥用途呢？

site 用于列出某域名下所有网页（包含文件）

filetype 用于筛选文件类型

二者结合就起到列出网站下所有搜索词相关 pdf 文件的目的。

 

二、抓取

现在链接有了，如何抓取呢，这里就该 Web Scraper 出场了。

1、建立 Sitemap。

2、按如下结构建立选择器。

3、抓取并导出 Excel 如下。

 

三、下载

链接有了，如何下载呢，迅雷上呗。

下载任务圆满完成：

 

四、思考

1、乐视抓完了，格力呢？巨潮会抓了，别的网站呢？

2、如果把搜索词乐视去掉又会如何？这里面有什么花头可挖？

3、filetype 后面换个别的文件类型呢，比如 ppt，doc，xls？

4、百度高级搜索 界面如下，你还能想出什么玩法？