网页视频抓取浏览器(初识scraper打开WebScraper的图标(一)_光明网(组图))

　　网页视频抓取浏览器(初识scraper打开WebScraper的图标(一)_光明网(组图))

　　Web Scraper是一款适合普通用户（无需专业IT技术）的免费爬虫工具，通过鼠标和简单的配置即可轻松获取你想要的数据。例如知乎回答列表、微博热点、微博评论、电商网站产品信息、博客文章列表等。 在线安装方法在线安装需要FQ网络，可以访问Chrome App Store1、在线访问Web Scraper插件，点击“添加到CHROME”。

　　

　　2、然后在弹出的框中点击“添加扩展”

　　

　　3、安装完成后，顶部工具栏会显示Web Scraper图标。

　　

　　本地安装

　　1、打开Chrome，在地址栏输入chrome://extensions/，进入扩展管理界面，然后下载下载的扩展Web-Scraper_v0.3.7.将crx拖放到该页面，点击“添加到扩展”即可完成安装。如图：

　　

　　2、安装完成后，顶部工具栏会显示Web Scraper图标。

　　

　　第一次认识网络爬虫

　　打开网页爬虫

　　开发者可以路过看看后面

　　windows系统下可以使用快捷键F12，部分笔记本机型需要按Fn+F12；

　　Mac系统下可以使用快捷键command+option+i；

　　也可以直接在Chrome界面操作，点击设置—>更多工具—>开发者工具

　　

　　打开后的效果如下，绿框部分是开发者工具的完整界面，红框部分是Web Scraper区域，是我们后面要操作的部分。

　　

　　注意：如果在浏览器右侧区域打开开发者工具，需要将开发者工具的位置调整到浏览器底部。

　　

　　原理及功能说明

　　数据爬取的思路大体可以简单总结如下：

　　1、 通过一个或多个入口地址获取初始数据。比如文章列表页，或者有一定规则的页面，比如有分页的列表页；

　　2、根据入口页面的一些信息，比如链接点，进入下一页，获取必要的信息；

　　3、 根据上一层的链接继续下一层，获取必要的信息（这一步可以无限循环）；

　　原理大致相同。接下来，让我们正式认识一下Web Scraper工具。来吧，打开开发者工具，点击Web Scraper选项卡，看到它分为三个部分：

　　

　　创建新的站点地图：首先了解站点地图，字面意思是网站地图，这里可以理解为入口地址，可以理解为对应一个网站，对应一个需求，假设你要获取知乎 on 要回答其中一个问题，请创建站点地图，并将此问题的地址设置为站点地图的起始网址，然后单击“创建站点地图”以创建站点地图。

　　

　　站点地图：站点地图的集合。所有创建的站点地图都会显示在这里，可以在此处输入站点地图进行修改、数据抓取等操作。

　　

　　站点地图：输入一个站点地图，可以进行一系列的操作，如下图：

　　

　　红框部分 Add new selector 是必不可少的一步。什么是选择器，字面意思是：选择器，一个选择器对应网页的一部分，也就是收录我们要采集的数据的部分。

　　需要说明的是，一个站点地图可以有多个选择器，每个选择器可以收录子选择器，一个选择器只能对应一个标题，也可以对应整个区域，这个区域可能收录标题、副标题、作者信息、内容、等和其他信息。

　　选择器：查看所有选择器。

　　选择器图：查看当前站点地图的拓扑*敏*感*词*，什么是根节点，收录几个选择器，选择器下收录的子选择器。

　　编辑元数据：您可以修改站点地图信息、标题和起始地址。

　　Scrape：开始数据抓取工作。

　　将数据导出为 CSV：以 CSV 格式导出捕获的数据。

　　至此，简单的了解一下就可以了。真知灼见，具体操作案例令人信服。下面举几个例子来说明具体的用法。

　　案例实践

　　简单测试hao123

　　从最简单到深入，我们以一个简单的例子作为入口，作为对Web Scraper服务的进一步了解

　　需求背景：见下hao123页面红框部分。我们的需求是统计这部分区域的所有网站名称和链接地址，最后在Excel中生成。因为这部分内容已经足够简单了，当然真正的需求可能比这更复杂，而且人工统计这么几条数据的时间也很快。

　　

　　开始运作

　　1、 假设我们已经打开了hao123页面，并且打开了这个页面底部的开发者工具，并找到了Web Scraper标签栏；

　　2、点击“创建站点地图”；

　　

　　3、 输入sitemap名称和start url后，名称仅供我们标记，命名为hao123（注意不支持中文），start url为hao123的url，然后点击create sitemap；

　　

　　4、 之后，Web Scraper 会自动定位到这个站点地图，然后我们添加一个选择器，点击“添加新的选择器”；

　　

　　5、首先给这个选择器分配一个id，它只是一个容易识别的名字。我把它命名为热这里。因为要获取名称和链接，所以将类型设置为链接。这种类型是专门为网页链接准备的。选择Link type后，会自动提取name和link这两个属性；

　　

　　6、 然后点击select，然后我们在网页上移动光标，我们会发现光标的颜色会发生变化，变成绿色，表示这是我们当前选中的区域。我们将光标定位在需求中提到的那一栏的某个链接上，比如第一条头条新闻，点击这里，这部分会变成红色，表示已经被选中，我们的目的是选中有多个，所以选中后这个，继续选择第二个，我们会发现这一行的链接都变红了，没错，这就是我们想要的效果。然后点击“完成选择！” （数据预览是被选中元素的标识符，可以手动修改。元素由类和元素名称决定，如：div.p_name a）。最后，不要忘记检查Multiple，

　　

　　7、最后保存，保存选择器。单击元素预览可预览所选区域，单击数据预览可在浏览器中预览捕获的数据。下面文本框的内容对于懂技术的同学来说是很清楚的，这就是xpath，我们可以不用鼠标直接手写xpath；

　　完整的操作流程如下：

　　

　　8、完成上一步后，就可以实际导出了。别着急，看看其他的操作。Sitemap hao123下的Selector图可以看到拓扑图。_root 是根选择器。创建站点地图时，会自动出现一个_root节点，可以看到它的子选择器，也就是我们创建的热选择器；

　　

　　9、刮，开始刮数据。

　　10、在Sitemap hao123下浏览，可以直接通过浏览器查看抓取的最终结果，需要重新；

　　

　　11、 最后使用Export data as CSV导出为CSV格式，其中hot列为标题，hot-href列为链接；

　　

　　怎么样，试试看