小爬虫大能量,教你用爬虫批量采集百度优课课程数据

原文转载自:http://www.houyicaiji.com/?type=post&pid=3525

本文介绍如何使用后羿采集器的智能模式,免费采集百度优课课程的课程标题、课时、课程内容及授课教师等信息。

采集字段:

课程标题、课程链接、课程性质、参与人数、学科、字段1、字段2、字段3、课程简介、讲师介绍

功能点目录:

如何对采集字段进行配置

如何采集列表+详情页类型网页

如何实现翻页功能

采集结果预览:

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第1张图片

下面我们来详细介绍一下如何免费采集百度优课课程信息,我们以百度优课的名师公开课为例,具体步骤如下:

步骤一:下载安装后羿采集器,并注册登录

1、打开后羿采集器官网,下载并安装最新版的后羿采集器

2、点击注册登录,注册新账号,登录后羿采集器

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第2张图片

【温馨提示】您可以直接使用此款爬虫软件,不需要进行注册,但是匿名账户下的任务在切换到注册用户时会丢失,因此建议您注册后使用。

后羿采集器为神箭手旗下产品,神箭手用户可直接登录。

步骤二:新建采集任务

1、复制百度优课名师公开课网页地址(需要搜索结果页的网址,而不是首页的网址)

点此了解关于如何正确地输入网址。

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第3张图片

2、新建智能模式采集任务

您可以在软件上直接新建采集任务,也可以通过导入规则来创建任务。

点此了解如何导入和导出采集规则。

步骤三:配置采集规则

1、设置提取数据字段

在智能模式下,我们输入网址后软件即可自动识别出页面上的数据并生成采集结果,每一类数据对应一个采集字段,我们可以右击字段进行相关设置,包括修改字段名称、增减字段、处理数据等。

点此了解如何对采集字段进行配置。

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第4张图片

在列表页上,我们需要采集百度优课的课程标题、课程链接、课程性质、参与人数及学科等信息,字段设置效果如下:

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第5张图片

2、使用深入采集功能提取详情页数据

在列表页上只展示出了百度优课课程的部分内容,如果需要详细的课程内容的话,我们需要右击课程链接,然后使用“深入采集”功能,跳转到详情页进行采集。

点此深入了解如何采集列表+详情页类型网页。

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第6张图片

在详情页面我们可以看到课程的具体内容,我们可以点击“添加字段”添加采集字段,字段设置效果如下:

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第7张图片

3、手动设置翻页

由于百度优课的翻页模式是通过点击“加载更多”的按钮进行加载下一页的,智能模式不能自动识别到分页元素,此时会出现以下提示:

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第8张图片

为了采集到所有的课程数据,我们需要手动设置翻页,我们选择“分页设置—手动设置分页—点选分页按钮”,然后点击页面上的“显示更多”按钮,这样就能采集出所有数据了。

点此了解更多关于翻页的内容。

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第9张图片
小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第10张图片

步骤四:设置并启动采集任务

1、设置采集任务

完成了采集数据添加,我们可以开始启动采集任务了。在启动之前我们需要对采集任务进行一些设置,从而提高采集的稳定性和成功率。

点击“设置”按钮,在弹出的运行设置页面中我们可以进行运行设置和防屏蔽设置,这里我们勾选“跳过继续采集”,设置“2”秒请求等待时间,勾选“不加载网页图片”,防屏蔽设置就按照系统默认设置,然后点击保存。

点此深入了解如何对采集任务进行配置。

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第11张图片
小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第12张图片

2、启动采集任务

点击“保存并启动”按钮,可在弹出的页面中进行一些高级设置,包括定时启动、自动入库和下载图片,本次示例中未使用到这些功能,直接点击“启动”运行爬虫工具。

点此深入了解什么是定时采集。

点此深入了解什么是自动入库。

点此深入了解如何下载图片。

【温馨提示】免费版本可以使用非周期性定时采集功能,下载图片功能是免费的。个人专业版及以上版本可以使用高级定时功能和自动入库功能。

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第13张图片

3、运行任务提取数据

任务启动之后便开始自动采集数据,我们从界面上可以直观的看到程序运行过程和采集结果,采集结束之后会有提醒。

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第14张图片

步骤五:导出并查看数据

数据采集完成后,我们可以查看和导出数据,后羿采集器支持多种导出方式(手动导出到本地、手动导出到数据库、自动发布到数据库、自动发布到网站)和导出文件的格式(EXCEL、CSV、HTML和TXT),我们选择自己需要方式和文件类型,点击“确认导出”。

点此深入了解如何查看和清空采集数据。

点此深入了解如何导出采集结果。

【温馨提示】:所有手动导出功能都是免费的。个人专业版及以上版本可以使用发布到网站功能。

小爬虫大能量,教你用爬虫批量采集百度优课课程数据_第15张图片


再为您推荐几个采集教程:

如何免费采集大众点评商家数据

如何采集58二手房信息

如何免费采集百姓网二手车信息

你可能感兴趣的:(小爬虫大能量,教你用爬虫批量采集百度优课课程数据)