【懒人采集器官方版】懒人采集器下载 v3.1.6.0 免费版

软件介绍

知识兔

懒人采集器官方版是一款非常实用的网络小工具,软件界面整洁、操作简单、功能强大,拥有可视化配置,简易创建,无需编程,智能生成,数据采集等功能。用户使用懒人采集器可以轻松的采集到自己需要的网页上的所有信息,使用起来非常方便。

懒人采集器官方版截图

懒人采集器官方版软件特色

知识兔

1、软件操作简单,可通过鼠标点击的方式轻松选取要抓取的内容;

2、支持三种高速引擎:浏览器引擎、HTTP引擎、JSON引擎,内置优化后的火狐浏览器,加上独创的内存优化使浏览器采集也可以高速运行,甚至可以快速转换为HTTP方式运行,享受更高的采集速度!而在抓取JSON数据时,同样可以使用浏览器可视化方式,通过鼠标点选需要抓取的内容,完全不需要去分析JSON数据结构,使非网页专业设计人士也可以轻松抓取需要的数据;

3、不用分析网页请求和源代码,却支持更多的网页采集;

4、先进的智能算法,可以一键生成目标元素XPATH、自动识别网页列表、自动识别分页中的下一页按钮……

5、支持丰富的数据导出方式,可以导出为txt文件、html文件、csv文件、excel文件,也可以导出到已有的数据库,如sqlite数据库、access数据库、sqlserver数据库、mysql数据库,通过向导的方式简单映射字段,即可轻松导出到目标网站数据库中。。

懒人采集器官方版软件功能

知识兔

可视化向导

所有采集元素,自动生成采集数据

计划任务

灵活定义运行时间,全自动运行

多引擎支持

支持多个采集引擎,内置高速浏览器内核、HTTP引擎和JSON引擎

智能识别

可自动识别网页列表、采集字段和分页等

拦截请求

自定义拦截域名,方便过滤站外广告,提高采集速度

多种数据导出

可导出为Txt 、Excel、MySQL、SQLServer、 SQlite、Access、网站等

懒人采集器官方版软件优势

知识兔

1、懒人采集器为用户分享丰富的网页数据采集功能

2、如果你需要复制网页的数据就可以在这款软件采集

3、大部分网页的内容都是可以直接复制的,通过懒人采集器就可以一键采集使用

4、直接输入网址采集,精准采集任意网页内容

5、支持规则设置,自定义采集规则,添加采集的字段内容,添加采集的网页元素

6、批量采集数据,输入多个网址一键采集

7、任务列表在软件显示,点击开始运行直接采集

8、支持数据查看,在软件查看已经采集的数据内容,可以导出数据

9、支持字符以及词库替换功能,一键编辑采集到的文本

懒人采集器官方版使用教程

知识兔

第一步:设置起始网址

要采集一个网站的数据,首先我们要设置从哪些网址进入采集,比如我们要采集一个网站的国内新闻,那么我们就要设置起始网址为国内新闻栏目列表的网址,而一般不会设置网站首页为起始网址,因为首页通常会包含很多列表,比如最新文章、热门文章、推荐文章等等各种列表块,并且这些列表块里显示的内容也是非常有限的,采集这些列表的话一般都无法采集完整信息。

下面我们以采集新浪新闻为例,从新浪首页找到国内新闻,但该栏目首页内容还是比较杂乱,而且还细分三个子栏目

懒人采集器官方版截图1

我们从进入其中一个子栏目“内地新闻”看一下

懒人采集器官方版截图2

该栏目页包含有一个带分页的内容列表,通过切换分页,我们就可以采集到该栏目下的所有文章,所以这种列表页就非常适合作为我们采集的起始网址。

现在,我们就复制该列表网址到任务编辑框第一步的文本框中

懒人采集器官方版截图3

如果你要在一个任务中同时采集国内新闻里的其他子栏目,也可以把另两个子栏目列表地址复制进来,因为这些子栏目列表格式都是相似的。但为了便于导出或发布分类数据,一般不建议多个栏目内容混合在一起。

对于起始网址我们也可以批量添加或从txt文件导入,比如我们要采集前5页,也可以这样自定义五个起始页

懒人采集器官方版截图4

需要注意的是如果这里自定义了多个分页列表,在后面的采集配置里就不要再启用分页了,通常我们要采集某个栏目下的所有文章时,都只需要定义该栏目第一页为起始网址就行了,在后面的采集配置里启用分页,就可以采集到每个分页列表的数据。

第二步:① 自动生成列表和字段

进入第二步后,对于某些网页,懒人采集器会智能分析出该页的列表,并自动高亮选择网页列表和生成列表数据,如

懒人采集器官方版截图5

然后我们再对这些数据进行修整,比如删掉一些不需要的字段

懒人采集器官方版截图6

点击图示三角符号,会弹出该字段采集详细配置,点击上面的删按钮即可删除该字段,其余参数后面章节会独立介绍。

如果某些网页自动生成的列表数据并不是我们想要的数据,可以点击“清除字段”,把生成的字段全部清除。

懒人采集器官方版截图7

如果自动分析出的高亮列表也不是我们要采集的列表,那么我们就手动选取列表。要是想取消高亮显示的列表框,可以点击 查找列表 – 列表XPATH,把里面的xpath清空后确定即可。

第二步:② 手动生成列表

点击“查找列表”按钮,选择“手动选择列表”

懒人采集器官方版截图8

懒人采集器官方版截图9

按提示,用鼠标左键点击网页列表中的第一行数据

点完第一行,再按提示点击第二行或其他相似的行

懒人采集器官方版截图10

点击完列表里的任意两行后,整个列表就高亮显示出来了,同时该列表里的字段也会字段生成,如果生成的字段不对,点击清除字段,把下面的字段全部清除掉,下一章再介绍手动选取字段。

懒人采集器官方版截图11

第二步:③ 手动生成字段

点击“增加字段”按钮

懒人采集器官方版截图12

点击列表中任意一行中要提取的元素,比如要提取标题和链接地址,鼠标左键点击一下该标题即可

懒人采集器官方版截图13

当点击的是网页链接时,会提示是否用时要抓取链接地址

懒人采集器官方版截图14

如果要同时提取链接标题和链接地址,点“是”,如果只要提取标题文本,点否,这里我们点“是”

懒人采集器官方版截图15

系统会自动生成标题和链接地址字段,并在字段列表中显示出提取到的字段内容,当点击底部表格字段标题时,会在网页上以黄色背景高亮显示出匹配的内容。

如何还有标记列表中的其他字段,点击新增字段,重复以上操作即可。

第二步:④ 分页设置

当列表有分页时,启用分页后就可以采集到所有的分页列表数据。

网页分页有两种

普通分页:存在分页条,并显示有“下一页”按钮,点击后可以进入下一页,如之前的新浪新闻列表里的分页

瀑布流分页:网页滚动条拉到底部时会自动加载下一页内容

如果是普通分页,我们选择尝试自动设置或手动设置

自动设置分页

懒人采集器官方版截图16

新建任务时默认是没有启用分页的,点击“不启用分页”,会弹出一个菜单,选择“自动识别分页”,如果识别成功,会弹出对话框提示“成功识别并设置了分页元素!”,并在网页“下一页”按钮上出现高亮的红色虚线框(部分网页按钮可能不会显示虚线框),至此成功启用自动分页

懒人采集器官方版截图17

如果自动识别识别,会出现如下绿色提示框

懒人采集器官方版截图18

手动设置分页

在菜单中选择“手动设置分页”

懒人采集器官方版截图19

然后会自动出现“查找分页”按钮,点击后弹出菜单,选择“标记分页”

懒人采集器官方版截图20

按提示向导点击“下一页”按钮

懒人采集器官方版截图21

点击后会在网页“下一页”按钮上出现高亮的红色虚线框(部分网页按钮可能不会显示虚线框),至此成功标记了分页,如果要查看刚才设置的分页xpath,可以选择菜单中的“分页XPath”,即可看到该分页xpath,在这里也可以手动输入xpath进行设置。

懒人采集器官方版截图22

瀑布流分页

有些网页需要将滚动条拉到底部才能进入下一页,例如今日头条、知乎等网站,在菜单中选择瀑布流分页即可启用该分页。使用瀑布流分页采集时,页面会自动滚动到底部,直到分页完成或达到指定的分页次数。

最大分页

指定最大分页次数,也就是切换分页的次数不会超过此数值。

懒人采集器官方版截图23

第二步:⑤ 采集内容页等多级网页

如果我们要采集二级页面,如内容页,或采集更深一级的页面,三级、四级等,在当前页字段列表中,必须包含有一个提取链接地址的字段,也就是提取属性为Href的字段,如图

懒人采集器官方版截图24

点击该字段标题栏,选中该列后会出现“深入链接页采集”按钮

懒人采集器官方版截图25

点击该按钮后会自动创建一个配置选项卡,并自动打开之前选中那个字段的一个网址。

懒人采集器官方版截图26

而采集模式也自动显示为“单条模式”

懒人采集器官方版截图27

列表模式:用于提取某个网页列表中的数据,预览中可看到多条数据

单条模式:适用于采集内容详情页里的各项信息,如文章标题、时间、正文等

因为我们深入采集的这个页面是内容页,所有使用默认的“单条模式”

然后,我们新建一个字段,提取网页中的文章发布时间,因为文章标题在第一层列表采集里已经提取了,这里就不需要重复了,采集运行时,多个页面的字段会自动合并为一个表格数据的。

懒人采集器官方版截图28

继续新建字段提取正文

懒人采集器官方版截图29

而为了保持原文的段落格式,这里的取值属性可以选择InnerHtml,即该字段提取的数据包含Html标签

懒人采集器官方版截图30

第三步:其他设置

在第三步的基本设置里,我们可以对浏览器做一些设置,比如禁用图片、JS、Flash、框架等,提高浏览网页的速度。

还可以设置浏览器标识(UserAgent)、代理IP、请求的间隔时间等

浏览器标识(UserAgent):网页通过读取浏览器标识来获取客户端的一些信息

请求间隔时间:用于降低请求的频率,即降低采集速度,避免因采集太快而被封IP,如果不需要降速,可以设置为0时

多值连接符:字段设置了多个xpah提取多个元素时,使用这里自定义的连接符连接多个元素值

HTTP引擎线程数:使用HTTP请求时,多线程运行的线程数,同一个HTTP请求的任务可以拆分并使用多个线程同时采集,提高采集速度,只适用于HTTP引擎,浏览器引擎不适合。

懒人采集器官方版截图31

下载仅供下载体验和测试学习,不得商用和正当使用。

下载体验

请输入密码查看下载!

如何免费获取密码?

点击下载

标签

发表评论