excel爬虫与数据整理

通过识别列表进行数据抽取

以孔夫子旧书网（http://www.kongfz.com/1004/）为例：

一.网站结构

1.网站截图说明

该网站为列表结构 可以通过识别列表的方式对全篇数据进行抽取

【网站列表页】

2.采集结果截图

【采集数据结果】

二.配置模板

1.新建任务

【新建任务】

点击【下一步】，需要采集每一页检索结果并抽取数据 所以此处需要勾选【普通翻页】和【数据抽取】，如图：

【新建采集任务】

2.创建/选择表单

①创建表单

【创建表单】

②配置表单

根据所需内容，配置表单字段（即表头），此处配置了包括网页主键、作者名称、标题名称、价格等四个字段 以配置发布时间(pubtime)为例

【配置表单】

③数据抽取链接关联表单

选择刚才新创建的表单''孔夫子''

【关联表单】

3.字段定位

取值方法：由于此处活取的是列表页的数据，所以可以应用“识别列表”功能，直接取到列表数据，操作方法如下：

①点击“数据抽取-孔夫子”，按住ctrl 鼠标左键点击定位标题内容

【定位标题】

②按住Shift 鼠标左键继续点击，直到点击到选中整个第一条数据

【定位第一条数据】

③在软件的右下角可以看到“识别列表”按钮 ，此时点击“识别列表”，如下图，此时列表中的内容都已经选中。

【定位全数据】

④对每个字段进行取值 方法依然是：按住Ctrl 鼠标左键，进行区域选择，按住Shift 鼠标左键，扩大选择区域。如：price字段 见下图:

【字段定位】

4.模板预览

鼠标右键点击“孔夫子”，然后点击“模板预览”

【模板预览】

5.过滤翻页链接

勾选标题过滤 过滤规则选择包含 填入''下一页''

【过滤翻页】

三.数据采集

1.连接数据库

【连接数据库】

2.创建数据表

【创建数据表】

3.选中数据表

【关联数据表】

4.开始采集

【开始采集】

5.采集结果

【采集结果】

---

更多大数据咨询可关注公众号【前嗅大数据】（ID：forenose）

定期分享各行各业大数据情报 、竞品分析、AI舆情监控报告、SEO知识分享等干货。

我们不止做数据采集，燃爆AI 大数据

你想要的 我们都有！