伪原创工具知乎(优采云采集器怎么样？勾选ocrocr)

　　伪原创工具知乎(优采云采集器怎么样？勾选ocrocr)

　　作为一个使用优采云采集器并同时编写爬虫程序的非技术用户，喜欢思考自己技术的令人费解的互联网运营商喵喵叫着。。。让我谈谈我的感受

　　优采云具有学习成本低、流程直观、构建采集系统速度快等优点。它可以直接将Excel文件导出到数据库中。降低采集成本。云采集提供了10个节点，这也可以节省很多麻烦

　　坏的是，即使它看起来很简单，并且有一个更傻瓜式智能模型，只有那些使用更多的人才能理解这个陷阱。我只是在我的博客上写下了这一点，但说实话，我有太多的经验，没有仔细整理

　　首先，内部的循环是XPath元素定位。如果您使用简单的傻瓜点击定位，它将非常僵硬，并且很容易在大量采集页面中出错。此外，使用此工具也很方便。小白太多了。人们整天问普通的问题。他们无法读取页面结构或理解XPath。有采集不完整且无限制的翻页是很容易的

　　然而，优采云采集器Ajax加载、模拟手机页面、过滤广告、滚动到页面底部以及其他功能都可以称为工件。你只需要一张支票就可以了。编写代码非常麻烦，而且很难实现这些功能

　　优采云毕竟，它只是一个工具，自由度肯定会击败编程。胜利在于方便、快捷和低成本

　　优采云判断引用较弱，无法进行复杂的判断和执行复杂的逻辑。另外，优采云只有企业版才能解决验证码问题，普通版无法访问编码平台

　　另一点是没有OCR功能。58 city和Ganji采集的电话号码均为图片格式。Python可以使用开源图像识别库来解决这个问题，并将其连接起来进行识别

　　以下是更新：

　　以前的写作感觉是片面的。毕竟，它是在我当时的精神状态下写的。经过一段时间的思考，对数据采集的需求是决定使用何种工具的关键。如果我有大量的数据采集需求，爬虫程序肯定是不可避免的，因为代码有更高的自由度优采云的目标不是取代python，而是实现采集器每个人都可以开始的目标

　　另一点是Python易于学习、易于部署、开源且免费。即使您只学习scratch，您也可以解决一些问题，但问题是，在某些工具中可以轻松选择的功能必须通过编写或复制其他人的代码来实现。如果你不全职编写爬虫程序，你很快就会想要开始并放弃它们

　　我写了一个全面的比较和pit，并把它放在知乎栏中。如果您感兴趣，可以去看看：

　　谈论最近的优采云采集器陷阱（并比较其他采集软件和爬虫程序）——知乎专栏