插入关键字 文章采集器(优采云采集器的采集方法及步骤(一)_数据分析采集器)

　　插入关键字 文章采集器(优采云采集器的采集方法及步骤(一)_数据分析采集器)

　　用途：用于数据分析

　　使用工具：优采云采集器（优采云采集器是一款互联网数据采集、处理、分析、挖掘软件。）

　　二、采集方法步骤说明####

　　第一步：安装优采云采集器（注意：需要安装net4.0框架才能运行）

　　优采云采集器 下载链接：

　　第二步：注册账号

　　第三步：了解基本界面

　　一个。单击开始 -> 新建文件夹（并重命名它以便您知道 采集 是什么）-> 新建任务

　　湾 创建新任务后，会弹出设置任务规则的对话框（注意以下几点）

　　（1）填写你想要的内容所在的网址采集。如果是正规的，可以使用【添加向导】相关规则，如下：以短书为例，我要< @采集自己分析了短书里面的内容数据，采集的主要内容在列表页，但是因为短书采用了懒加载的方式，无法抓取翻页的内容，所以需要查看源码（这里需要有一定代码知识的童鞋才能找到），然后在源码中，找到相关的链接，而且都是有规律的，所以我可以通过添加相关规则【添加向导】。具体规则继续看以下步骤4.

　　向导添加界面：

　　第 4 步：编写 URL 提取规则

　　我在源代码中找到了列表链接。如果你想采集所有的链接，你必须找到所有的翻页。翻页是正常的，所以我得到以下规则。只是链接中“page=”后面的地址参数改变了，所以我们可以用【地址参数】来设置参数。然后在[地址参数]中选择数字变化，因为它是一个数字。总共有14个项目，所以有14个项目。

　　设置好地址格式后，我们可以在这个页面进一步设置我们想要的采集的内容。即我们需要在列表页采集上传递每个文章的URL，方法如下：

　　（1）获取内容URL时，选择获取方式：自动获取地址链接。

　　（2）使用链接过滤：提取文章链接，文章的链接有共性。

　　填好这些后，点击【URL采集Test】，这时候就可以验证规则是否正确了。

　　验证OK！规则是对的！伟大的！写好规则后记得保存哦！

　　第五步：编写内容抽取规则

　　采集到达每个文章的URL后，接下来我们需要采集每个文章的相关信息：标题、URL、阅读数、点赞数！这是我们的终极目标！写好规则后记得保存哦！方法如下图所示：

　　PS：这也需要一些html代码的知识。

　　添加规则如下：

　　（1）在标签列表中将标签名称添加到采集。方框右侧有一个“+”可以添加多个标签。

　　（2）数据获取方式选择：从源码中获取数据，选择提取方式“截取前后”，然后在源码中提取我们想要的信息的前后码。记住，如果这是唯一的代码，避免提取它出现问题。

　　补充：教你提取前后码

　　在网页中，右击查看源代码。找到标题。我们会发现有多个重复的标题。但是要选择code前后的唯一一个，可以通过ctrl+f来验证是否唯一。下面是标题前后的代码，剩下几个元素前后的代码，大家可以自己练习。

　　第六步：设置存储位置

　　点击内容发布规则——>另存为本地文件——>启用本地文件保存——>保存设置文件格式并选择txt（因为我们使用的是免费软件）——>设置保存位置

　　第七步：启动采集，设置存储位置和设置规则，保存退出，返回工具首页，启动采集——> 这3个地方一定要勾选，然后右键——单击以选择 — —> 开始。见下文：

　　采集 后呈现原创数据：

　　呈现清洗后的数据及相关数据分析，如下图所示：

　　三、个人经历总结####