关键词采集词(集搜客有成熟的微博工具箱，可以采集微博的关键词搜索结果为例)

　　关键词采集词(集搜客有成熟的微博工具箱，可以采集微博的关键词搜索结果为例)

　　集搜客有成熟的微博工具箱，可以采集微博关键词搜索结果、博主博文、博主信息、微博话题、博文转发/评论等，你不需要采集 规则，只需输入关键词 或采集 的网页链接，非常简单快捷。

　　我们以微博关键词搜索结果为例来说明微博工具箱的使用。

　　1. 先下载安装Gooseeker数据管家（增强爬虫软件）

　　数据管家其实是一种特殊的浏览器，具有爬虫功能和数据分析功能。

　　安装完成后，Data Manager 将自动启动。

　　关闭数据管家后，要重新启动它，请双击桌面上的数据管家图标。

　　2. 在 Gooseeker 数据管理器中，打开吉索克官网

　　首先登录爬虫软件（见下图左下角红框），登录会员中心（见下图右上角红框）

　　注意：爬虫账号和会员中心账号必须相同。数据管家第一次运行会提示登录，就是登录爬虫软件。如果你这样登录，一般情况下，当你打开吉索克官网时，会自动提示你同步登录会员中心，点击确定。

　　二、检查服务器是否连接（绿色勾上已连接，红叉未连接）。如果服务器没有连接，需要重新登录左下角的爬虫账号（不是右上角的登录会员中心），点击“重新选择服务器”按钮，回车，注意使用https首先，不是http，如果https无法连接，再试http

　　3. 在数据管理器浏览器中打开新标签窗口，打开微博网站，登录微博账号。

　　因为微博网站登录后才能正常浏览，所以在采集之前，需要在数据管理器中打开并登录微博网站。

　　4. 进入微博工具箱

　　在数据管理器左侧栏，点击“微博”按钮，进入微博工具箱。

　　检查 关键词搜索工具

　　转到 关键词 工具的介绍页面

　　5. 过程

　　比较冷门的关键词，搜索结果不到50页，按照5.1最简单的操作步骤即可。

　　比较流行的关键词，搜索结果超过50页，需要按照5.2的步骤来细分搜索条件。

　　5.1 最简单的步骤

　　如下图，添加关键词，选择时间段，确认添加，启动采集。采集完成后打包下载数据。

　　注意点击开始采集后会有如下提示框，需要在采集之前用当前浏览器登录微博。我们之前已经登录过，所以点击继续。如果你没有登录，点击“登录”，系统会自动打开微博网站，你需要登录微博账号。然后返回并单击继续。爬虫会弹出采集窗口，加载微博网页，以及采集数据。

　　弹出采集窗口：有一个一直在旋转的图标，表示正在执行爬虫任务。根据服务器的繁忙程度，可能很快就会分配任务，并且可以看到微博页面已加载。

　　5.2 更复杂的步骤

　　在微博网站上搜索关键词，每次搜索最多显示50页。对于一个比较热门的词，有可能几个小时甚至一个小时的搜索结果就会达到50页。采集、时间段和其他高级搜索选项是必需的。

　　比如关键词“vaccine”比较火，我们想在4月1日到4月10日之间发布采集关于“vaccine”的博文，我们可以细分时间段如下：

　　其实关于“疫苗”，两天的博文也会超过50页，我们可以把它分成更细粒度的单位，以小时为单位。

　　如何选择合适的时间单位？在采集之前，用微博上的关键词高级搜索手动搜索一下，看多长时间能得到50页博文。

　　部分用户对采集收到的博文会有特殊的筛选要求，比如只需要原创的博文。

　　可以在高级设置中查看。

　　高级设置中有很多选项，在实际操作中可以根据需要勾选。（高级设置中的循环采集，适合长期跟踪采集微博，是旗舰版及以上用户的高级功能）

　　以上高级搜索设置与微博网站相同。不熟悉的可以在微博网站上手动练习几次关键词的高级搜索。

　　6. 采集 收到的数据

　　将采集接收到的数据打包下载，得到一个压缩的ZIP数据包，一般下载到电脑的下载文件夹中。双击自解压得到excel格式的数据表。

　　注意：采集完成后，转换为excel格式可能需要一段时间。时间长短取决于服务器的繁忙程度。因此，最好等几分钟再打包。如果发现打包不完整，过一会再尝试打包。

　　样本数据：

　　除了博文，这个数据表中还有两个字段值得特别关注：博主首页链接和博文独立链接。

　　通过博主首页链接，我们可以将这些链接批量添加到博主首页工具中，批量采集每个博主发布的所有博文。或者添加到博主详情工具中，获取博主简介/关注者/关注者/博文/位置、标签等详细信息。

　　通过单个博客文章链接，我们可以将这些链接添加到转发/评论工具中，以批量采集 转发和评论单个博客文章。或者添加到博文扩展工具中批量采集完成长博文。

　　从上面的介绍可以看出，微博工具箱中的各种工具可以组合使用，功能更强大，可以采集获取更大批量的数据。