你一年能读几本书？一个要工作、要生活、还要玩儿的职场人，如果半个月能读完1本书，那么一年也就读24本吧！面对浩瀚无边的书海，当然要选择值得花费时间阅读的书来读了。
一、选书经验：根据阅读的目的选择找书的方法
阅读的目的不外乎以下三种：
- 为了在专业领域学习某种技能或者更上一层楼
- 对某个领域很感兴趣或者是自己的爱好
- 充实自己，感受未知的世界，变得更加博学
今天的方法适用于第三个目的——感受未知的世界。
用最省钱的方法买最值得读的书
当当网以图书起家，自然沉淀了很多忠实用户，同时给网站带去了很多购买量和评价数。当当就用这些数据建立了很多榜单，帮助用户更好的选书。
但是好的选书方法不一定是好的购书方法，买书当然要考虑价格了。通过当当榜单选的书，在其他平台搜索一下价格，找一个不错的价格购买，才对得起自己的时间和银子。
二、采集的榜单和内容
进入当当畅销书榜单，选择近30天的畅销书，默认展示前20本，我们就对这20本的书名进行采集。
三、采集实操讲解
1. 调出Web Scraper界面
2. 新建Sitemap，创建采集项目
首先为当当畅销榜单建立一个采集项目。如下图，创建名称为「dangdang」的Sitemap。注意命名规则，一般使用长一点的英文就可以（至少3个字母）。
Sitemap name：dangdang
Start URL：http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-recent30-0-0-1-1
点击Create Sitemap创建完成！
命名规则
3. 为书名添加Selector
为书名添加选择器(Selector)，步骤如下(文字与动态图结合看)：
-
Id：选择器名称，这里填写「title」，表示要采集的是书的标题 -
Type：默认为Text，表示要采集的信息是文本格式 - 点击
Selector中的Select后，注意跳出一个条形对话框 - 点选第1个书名，发现书名底色变红(表示被选中)，然后点击第2个书名，此时发现后面的第3个、第4个……书名均变为红色
- 点击条形对话框的
Done selecting! - 勾选
Multiple，表示除了点选的第1个和第2个书名外，本页后续底色变红的书名也都需要采集 - 点击
Save Selector，书名的选择器配置完成！
4. 激动人心的采集时刻到来了！
按照前面配置的内容执行采集程序，步骤如下(文字和动态图结合看)：
- 点击
Sitemap dangdang下拉列表中的Scrape，开始执行程序 - 出现的对话框中有两项数字内容，默认值均为2000
Request interval：表示「网页请求发送间隔」，为了不被网站判定为机器进而阻止采集，需要模拟人的行为将动作放缓，通常按默认值即可
Page load delay：表示「页面加载时长」，如果页面没有完全加载就开始采集，会造成信息采集不全，特别是在网速不佳的时候，通常也按默认值，也可适当调整 - 点击
Start scraping开始采集，弹出一个采集窗口，注意采集过程中不要关闭此窗口，待采集完成后，窗口会自动关闭 - 窗口关闭后，点击
refresh，出现3列数据
「web-scraper-order」：程序自动编码，不用理会
「web-scraper-start-url」：点击书名跳转的url，前面虽然只设置了采集书名的文本，但采集默认同时提供url，所以如果需要此项，不用再单独设置
「title」：要采集的书名，注意，书名的顺序并非是网页上的顺序
5. 导出数据至CSV文件
Web Scraper免费版只提供CSV一种导出形式，导出后用Excel打开即可。
- 点击
Sitemap dangdang下拉列表中的Export data as csv - 点击
Download now!后出现了浏览器的下载对话框，打开或者保存即可
6. Web Scraper界面内容介绍
下面，顺序介绍Web Scraper界面中的Sitemaps、Sitemap、Create new sitemap
Sitemaps：Sitemap项目列表，所有创建的Sitemap均可在此列表找到，比如上面创建的「dangdang」就在此列表中
Sitemap：直接点击此项，Web Scraper无任何反应，因为此项只针对某一个已经创建的Sitemap，所以，要从Sitemaps中选择一个ID点击，这里点击「dangdang」，发现跳转到中间的Sitemap，并且变为了Sitemap dangdang，说明已经跳转到了指定的Sitemap内。
点击
Sitemap dangdang，发现下拉列表有如下几项，逐一说明：Selectors：选择器列表，每一个采集内容均要配置一个选择器，在上面的例子中，采集了书名，如果需要采集评论数、出版社等页面可见信息，要分别为这些信息逐一添加选择器Selector graph：选择器结构图，显示选择器之间的树状关系，再复杂的采集项目中能够一目了然地呈现采集逻辑Edit metadata：修改Sitemap设置，即Sitemap名称和urlScrape：执行采集程序Browse：浏览采集结果Export Sitemap：导出Sitemap代码，此代码可以直接导入，无需再次配置Export data as CSV：导出采集结果至csv文件
点击
Create new sitemap，发现有两种新建Sitemap的方法，直接创建(Create Sitemap)和导入(Import Sitemap)。
当当的案例中已经讲过
Create Sitemap，这里不再赘述。点击
Import Sitemap进入以下界面：Sitemap JSON：把Export Sitemap导出的代码粘贴在此处Rename Sitemap：为Sitemap命名点击
Import Sitemap后，同样成功创建了Sitemap
四、数据采集只是数据分析的过程
每一分钟，互联网上都会有海量的数据产生，数据的价值并非是它本身，而是通过分析数据能获得哪些有价值的信息。数据采集是一项不值得投入太多时间的工作（包括学习采集的时间和练习的时间），所以，只要学习了网页常见情况的处理方法就可以，没有必要为了学习采集而频繁练习。遇到新的问题时，再到网上寻求解答，这样会记得更牢。
网友评论