抓取网页生成电子书(如何用PowerBI的PowerQuery批量采集多个网页的数据(图))

　　抓取网页生成电子书(如何用PowerBI的PowerQuery批量采集多个网页的数据(图))

　　前面介绍PowerBI数据获取的时候，我举了一个从网页获取数据的例子，但是当时只爬取了一页数据。本篇文章将介绍如何使用PowerBI的Power Query批处理采集Data为多个网页。Excel 中的操作类似。磷

　　本文以智联招聘网站为例，采集上海招聘信息。

　　以下是详细步骤：

　　(一）分析 URL 结构

　　打开智联招聘网站，搜索上海工作地点的资料，

　　将页面拉到最底部，找到显示页码的地方，点击前三页，网址如下，

　　%e4%b8%8a%e6%b5%b7&sm=0&sg=fe782ca83bfa4b018d27de559d0a5db0&p=1

　　%e4%b8%8a%e6%b5%b7&sm=0&sg=fe782ca83bfa4b018d27de559d0a5db0&p=2

　　%e4%b8%8a%e6%b5%b7&sm=0&sg=fe782ca83bfa4b018d27de559d0a5db0&p=3

　　可以看出，最后一个数字是页码的ID，是一个控制分页数据的变量。

　　(二）使用 PowerBI采集第一页的数据

　　打开PowerBI Desktop，从网页获取数据，在弹窗中选择【高级】，根据上面分析的URL结构，第一行输入除最后一页ID外的URL，第二行输入页码.

　　从 URL 预览可以看出，上面两行的 URL 已经自动合并在一起了；这里的单独输入只是为了以后更清楚地区分页码变量，其实直接输入完整的URL也是可以的。

　　（如果页码变量不是最后一位，而是在中间，则网址要分三行输入）

　　点击OK后，发现很多表，

　　从中可以看出智联招聘网站上的每个招聘信息都是一个表，不用管它，随便选一个表，比如勾选Table0，点击编辑进入Power Query编辑器。

　　在PQ编辑器中，直接删除[source]后面的所有步骤，然后展开数据，删除前面几列的数据。

　　这样第一页采集的数据就来了。然后整理这个页面的数据，删除无用的信息，添加字段名。可以看到，一页有60条招聘信息。

　　在这里完成第一页的数据后，当你转到采集的其他页面时，数据结构将与第一页完成后的数据结构相同，采集的数据可以直接使用；没关系，你可以等到采集所有网页数据都排序在一起。

　　如果要大量抓取网页数据，为了节省时间，可以不用对第一页的数据进行排序，直接进行下一步。

　　(三）根据页码参数设置自定义功能

　　这是最重要的一步。

　　还是刚才第一页数据的PQ编辑器窗口，打开【高级编辑器】，在let之前输入：

　　并且在let后面第一行的URL中，&后面的“1”变成了（这是第二步使用高级选项分两行输入URL的好处）：

　　修改后 [source] 的 URL 变为：

　　确认后，刚才第一页数据的查询窗口变成了自定义函数的输入参数窗口，Table0表也变成了函数的样式。为了更直观，将此函数重命名为Data_Zhaopin。

　　至此，自定义功能完成。p是函数的变量，用来控制页码。如果输入数字，例如 7，将捕获第 7 页的数据。

　　输入参数一次只能抓取一个网页。批量爬取需要执行以下步骤。

　　(四）批量调用自定义函数

　　首先，使用一个空查询来创建一个数字序列。如果要获取前 100 页数据，请创建一个从 1 到 100 的序列并输入空查询。

　　回车生成一个从1到100的序列，然后变成表格。gif操作图如下：

　　然后调用自定义函数，

　　在弹出的窗口中，点击【函数查询】下拉框，选择刚刚创建的自定义函数Data_Zhaopin。

　　单击“确定”开始批量抓取网页。因为100页数据比较多，大概需要5分钟。这也是我提前进行第二步数据排序的结果，导致爬取慢。展开这张表，就是这100页的数据，

　　至此，已经完成了100页智联招聘信息的批量抓取。上面的步骤似乎很多。其实掌握之后，10分钟左右就可以搞定。最大的时间块仍然是最后一步。捕获数据的过程非常耗时。

　　网页上的数据不断更新。完成以上步骤后，在PQ中点击刷新，即可随时一键提取网站实时数据。做一次，受益终生！

　　以上主要使用了PowerBI中的Power Query功能，在能使用PQ功能的Excel中也可以进行同样的操作。

　　当然，PowerBI 不是专业的爬虫工具。如果网页比较复杂或者有反爬机制，还是得使用专业的工具，比如R或者Python。在使用PowerBI批量抓取某个网站数据之前，先尝试采集一个页面，如果可以采集获取，则使用上述步骤，如果采集不行当您到达时，您无需再浪费时间。

　　如果您是 Power BI 新手，可以前往微信公众号：“PowerBI 星球”，回复“PowerBI”，获取《PowerBI 七天入门》电子书，帮助您快速提高工作效率。