数据采集与处理 课件 任务4 采集网络数据.pptx

项目二数据采集概述

任务4采集网络数据

一、常规网络数据的采集常规网络数据采集方法主要是针对网络平台数据那些可下载或可复制数据所采用的数据采集方法。1.当在网络上浏览到需要采集的数据时，如果该平台允许下载（或导出）页面中的数据,一般会在该页面中显示与下载(或导出)相关的超链接或按钮,用户只要单击该超链接或按钮,设置数据文件的名称和保存位置，然后点击保存即可。

一、常规网络数据的采集/sj/zxfb/202401/1946971.html

一、常规网络数据的采集2.如果网络平台没有提供与下载(或导出)相关的超链接或按钮，但允许选择并复制数据内容，用户可以点击并按住拖拽鼠标，将需要采集的数据全部选中，在所选区域单击鼠标右键,在弹出的快捷菜单中选挥“复制”命令。启动Excel点击鼠标右键，在弹出的快捷菜单中选挥点击“粘贴”命令，或按“Ctrl+V”组合键即可将剪贴板中的数据粘贴到Excel的工作表。

一、常规网络数据的采集/sj/zxfb/202402/1947915.html

二、利用Excel进行网络数据采集对于网络数据也可以采用Excel进行数据采集。下面以东方财富网上的股票行情中心数据（/center/gridlist.html#hs_a_board）为例，利用Excel进行网络数据采集。下图为东方财富网行情中心部分股票数据。

二、利用Excel进行网络数据采集第一步，启动Excel工作簿，点击编辑页面的“数据”选项卡，在出现的页面中，单击功能区中的“自网站”选项，会弹出“从Web”的对话框；

二、利用Excel进行网络数据采集第二步，在URL中录入网址：/center/gridlist.html#hs_a_board，点击“确定”按钮；

二、利用Excel进行网络数据采集第三步，在上述步骤之后，会出现“导航器”对话框，

二、利用Excel进行网络数据采集第四步，在导航对话框中，点击“显示选项”中的“table0”选项；

二、利用Excel进行网络数据采集第五步，点击【加载】按钮，就可以将有关资料采集下来。

三、使用gooseeker抓取网页数据GooSeeker集搜客网络爬虫软件是一款功能齐全并且免编程的批量爬虫软件，该软件提供自定义采集和快捷采集两种主要采集方式，自定义采集适用于非常规网站和个性化采集，快捷采集适用于主流网站数据采集，比如知乎、京东、淘宝、安居客、前程无忧、微博等网站，爬取方式简单易用。下面以本软件为例，进行网页数据抓取演示。

三、使用gooseeker抓取网页数据（一）数据抓取前的准备工作1.下载与安装首先进行软件安装，软件下载地址：/pro/gooseeker.html该软件提供免费版和高级版本，初学阶段建议使用免费版。

三、使用gooseeker抓取网页数据2.激活账号下载软件后，双击安装。安装后双击打开，第一次运行GS爬虫浏览器，要登录才能激活网络爬虫功能，检查是否已经连上服务器(绿勾连接，红勾未连接)。注意：没有账号的请先在官网注册一个账号。如果是Mac版软件，需要购买专业版才能激活。Windows版界面如下（本节以Windows免费版进行讲解）。

三、使用gooseeker抓取网页数据（二）使用gooseeker抓取网页数据下面以采集天猫商品评价为例简要说明软件使用方法。1.登陆天猫网站：在数据管家新开一个页签，在新页签打开天猫网站，并登陆一个天猫账号，一般直接用手机验证码就可以。

三、使用gooseeker抓取网页数据2.进入快捷采集：点击数据管家左侧边栏的“快”按钮，进入快捷采集。

三、使用gooseeker抓取网页数据3.选择合适的快捷工具：根据要采集的网页，选择类别-网站-网页。对于天猫商品评论来说，就是点击：电商?-?天猫?-?天猫商品评论采集

三、使用gooseeker抓取网页数据如下图所示，可以打开示例页面看看，确保后面操作时添加的链接和示例页面类似。或者浏览网页下方的示例数据，进一步了解选定的快捷工具是否满足要求。

三、使用gooseeker抓取网页数据4.获得网址在天猫的搜索页面上，输入要搜索的关键词，点击搜索，比如搜索“儿童超轻黏土”，复制出来的某条商品网址就是：/item.htm?abbucket=20id=657886365325ns=1spm=a21n.18b7523cI92qPN

三、使用gooseeker抓取网页数据5.粘贴网址，启动采集把上一步得到的网址用Ctrl+v粘贴到快捷工具的网址输入栏，启动采集。

三、使用gooseeker抓取网页数据6.采集中的爬虫窗口点击获取数据之后，数据管家自动弹出两个采集窗口（窗口右下方有绿色的状态球），一个窗口加载网页，采集数据，一个窗口打包上传数据。两