解决方案:数据分析（一）数据采集（优采云采集器）

　　解决方案:数据分析（一）数据采集（优采云采集器）

　　这是一个免费在线生成词云图的网站，且支持图片下载，很方便

　　3.采集数据的网站链家二手房官网：

　　这是我经过筛选后的网址，直接打开就行

　　three进入正题~~~微词云操作

　　1.打开微词云,点击"开始创建"

　　2.选择形状、内容

　　step1.点击形状，选择自己想要的图形；

　　step2.点击内容，打开导入下拉框，选择大文本分词导入

　　three进入正题~~~优采云采集器采集数据

　　下面说一下微词云上的内容从哪里怎么来的。(PS:再次提醒下我们今天的目标：采集上海市徐汇区二手房各区域的单价以及房子的特点信息。然后根据区域信息做一个词云图，进行可视化展示。)

　　1.打开优采云采集器，开始采集

　　2.地址输入链家二手房，搜索"徐汇区"的网址，然后点击立即创建

　　（上图红框里的按钮，可以筛选字段，清空内容，任意添加想采集的字段，这里不赘述，可自行研究）

　　3.开始采集

　　此处我们就采集150条数据，点击停止，然后导出数据

　　以下为导出数据部分截图：

　　到此为止，优采云采集器采集数据基本完成。

　　对了，补充一下，在自动采集时可能会出现广告，红包弹框之类的，可以采取下面的方法：

　　4.采集结果数据处理

　　step1.下面处理下要到微词云里面展示的字段，我们选择positionInfo列，将其复制到另一个sheet页

　　step2.选择数据》分列，下一步

　　step3.根据内容选择分隔符号，将数据分离

　　step4.选择C列复制到word里面，然后从word复制到微词云的文章输入里。即可完成。以下是我做的一个图：

　　大家可以尝试下，今天就到这里。这是最初级的数据采集和展示，要想采集更多数据，需要用到python，等学完python再来更新吧。

　　常用的方法:爬虫方法_优采云采集器

　　常用爬虫软件

　　优采云采集器

　　简单易学，通过可视化界面，鼠标点击采集数据，向导模式，用户无需任何技术基础，输入网址，一键提取数据。

　　这是我接触的第一个爬虫软件，

　　优势：

　　1-使用过程简单，上手很好。

　　缺点：

　　1- *敏*感*词*数量限制。采集 中的数据只能由非会员导出，限制为 1000。

　　2- 导出格式限制。非会员只能导出txt文本格式。

　　2- 优采云

　　无需学习爬虫编程技术，简单三步即可轻松抓取网页数据，支持多种格式一键导出，快速导入数据库

　　在优采云不能满足我的需求后，我开始尝试更专业的采集软件，发现优采云。

　　优势：

　　1- 采集 功能更强大，可以自定义采集 进程。

　　2-导出格式和数据量没有限制。

　　缺点：

　　1-过程有点复杂，初学者学习难度较大。

　　3- 优采云采集器（推荐）

　　智能识别数据，小白神器

　　基于人工智能算法，只需输入网址即可智能识别列表数据、表格数据和分页按钮。无需配置任何采集规则，一键式采集即可。自动识别列表、表格、链接、图片、价格、电子邮件等。

　　这是我现在使用的 采集 软件。可以说是中和了前两个采集器的优缺点，体验更好。

　　优势：

　　1-自动识别页面信息，轻松上手

　　2-导出格式和数据量没有限制

　　目前还没有发现缺点。

　　3- 爬虫操作流程

　　注意，注意，接下来就是动手部分了。

　　我们以“窗帘选择文章”为例，用“优采云采集器”体验爬虫的乐趣。

　　采集之后的效果如下：

　　1- 复制 采集 的链接

　　打开窗帘官网，点击“精选”进入选中页面文章。

　　复制特色页面的 URL：

　　2- 优采云采集数据

　　1- 登录“优采云采集器”官网，下载安装采集器。

　　2- 打开采集器后，点击“智能模式”中的“开始采集”创建一个新的智能采集。

　　3-粘贴窗帘选择的网址，点击立即创建

　　在这个过程中，采集器会自动识别页面上的列表和数据内容。整个过程由AI算法自动完成，等待识别完成。

　　页面分析识别↑

　　页面识别完成↑

　　4- 点击“开始采集”->“开始”开始爬虫之旅。

　　3- 采集数据导出

　　在数据爬取过程中，您可以点击“停止”结束数据爬取。

　　或者等待数据抓取完成，在弹出的对话框中点击“导出数据”。

　　导出格式，选择 Excel，然后导出。

　　4- 使用 HYPERLINK 功能添加超链接

　　打开导出的表，在I列添加HYPERLINK公式，添加超链接，点击打开对应的文章。

　　公式如下：

　　=HYPERLINK(B2,"点击查看")

　　爬虫之旅圆满结束！