方便操作的采集神器(优采云采集器怎么样？勾选ocrocr)

　　方便操作的采集神器(优采云采集器怎么样？勾选ocrocr)

　　作为一个同时使用优采云采集器和写爬虫的非技术人员，我莫名其妙地喜欢思考互联网运营喵的技术。. . 说说我的感受吧。

　　优采云具有学习成本低、流程可视化、快速构建采集系统等优势。可以直接导出excel文件并导出到数据库。为了降低采集的成本，云采集提供了10个节点，也可以省去不少麻烦。

　　缺点是虽然它看起来很简单，还有一个更傻瓜式智能模型，但其中的陷阱只有经常使用它的人才能清楚。我在我的博客中简单地写过这个，但说实话，我的经验太多了，我还没有整理出来。

　　首先，里面的循环就是xpath元素的定位。如果使用简单的傻瓜式点击定位，是非常死板的，在大量采集页面中很容易出错。另外，因为它的方便，使用这个工具的新手太多了。有些人整天问一些常见的问题。他们不知道页面的结构，也不了解 xpath。它们容易出现采集不完整、无限翻页等问题。

　　但是优采云采集器的ajax加载、模拟手机页面、过滤广告、滚动到页面底部等功能都被称为神器，一个检查就可以搞定。写代码很麻烦，实现这些功能很费力。

　　优采云 毕竟只是一个工具，自由度肯定会打败编程。优点是方便、快捷、成本低。

　　优采云判断引用弱，无法做出复杂判断，无法执行复杂逻辑。另外，优采云只有企业版可以解决验证码问题，普通版无法访问编码平台。

　　还有一点就是没有ocr功能。58同城和赶集网采集的电话号码均为图片格式。Python可以用开源的图像识别库解决，可以通过对接进行识别。

　　在这里更新：

　　之前写的感觉是片面的，毕竟是那个时代的心情写的。经过一段时间的思考，对数据的需求采集决定了最终要使用的工具。如果我需要大量的数据采集，爬虫肯定是不可避免的，因为代码有更高的自由度。我认为优采云的目标不是取代python，而是实现采集器人人都能上手的目标。

　　还有一点是python易学易部署，开源免费。哪怕只学scrapy，也能解决一些问题，但麻烦的是，在一些工具中简单的选择就可以完成的功能，只能通过编写或复制别人的代码来实现。如果你不是全职写一个爬虫，它会非常快。我只想从入门到放弃……

　　对比和坑我写了，放在知乎的专栏里。如果你有兴趣，你可以看看：

　　谈近期优采云采集器使用中遇到的坑（与其他采集软件和爬虫对比）-知乎专栏