本文介绍如何使用后羿采集器的智能模式,免费采集和讯网新闻的标题、内容、发布时间等信息。
采集工具简介:
后羿采集器是一款基于人工智能技术的网页采集器,只需要输入网址就能够自动识别网页数据,无需配置即可完成数据采集,是业内首家支持三种操作系统(包括Windows、Mac和Linux)的网络爬虫软件。
该软件是一款真正免费的数据采集软件,对采集结果导出没有任何限制,没有编程基础的小白用户也可轻松实现数据采集要求。
官方网址:http://www.houyicaiji.com/
采集对象简介:
和讯网创立于1996年,从中国早期金融证券资讯服务脱颖而出,建立了第一个财经资讯垂直网站。经过二十二年的专注耕耘,和讯网逐步确立了自己在业内的优势地位和品牌影响力。
采集字段:
新闻标题、新闻链接、发布时间、新闻来源、新闻内容、评论数
功能点目录:
采集结果预览:
下面我们来详细介绍一下如何免费采集和讯网新闻数据,我们以和讯网新闻国内时事为例,具体步骤如下:
步骤一:下载安装后羿采集器,并注册登录
1、打开后羿采集器官网,下载并安装最新版的后羿采集器
2、点击注册登录,注册新账号,登录后羿采集器
【温馨提示】您可以直接使用此款爬虫软件,不需要进行注册,但是匿名账户下的任务在切换到注册用户时会丢失,因此建议您注册后使用。
后羿采集器为神箭手旗下产品,神箭手用户可直接登录。
步骤二:新建采集任务
1、复制和讯网国内时事新闻网页地址(需要搜索结果页的网址,而不是首页的网址)
点此了解关于如何正确地输入网址。
2、新建智能模式采集任务
您可以在软件上直接新建采集任务,也可以通过导入规则来创建任务。
点此了解如何导入和导出采集规则。
步骤三:配置采集规则
1、设置提取数据字段
在智能模式下,我们输入网址后软件即可自动识别出页面上的数据并生成采集结果,每一类数据对应一个采集字段,我们可以右击字段进行相关设置,包括修改字段名称、增减字段、处理数据等。
点此了解如何对采集字段进行配置。
在列表页上,我们需要采集新浪新闻的新闻标题、新闻链接及发布时间,字段设置效果如下:
2、使用深入采集功能提取详情页数据
在列表页上只展示出了和讯网新闻的部分内容,如果需要详细的新闻内容的话,我们需要右击新闻链接,然后使用“深入采集”功能,跳转到详情页进行采集。
点此深入了解如何采集列表+详情页类型网页。
在详情页面我们可以看到新闻来源、新闻内容及评论数,我们可以点击“添加字段”添加采集字段,字段设置效果如下:
【温馨提示】在采集整篇的新闻内容时,可以把鼠标移动到新闻内容的后半部分,看到蓝色区域选中全部的时候可以点击选中,就可以抽取出全部的整篇的新闻内容了。
步骤四:设置并启动采集任务
1、设置采集任务
完成了采集数据添加,我们可以开始启动采集任务了。在启动之前我们需要对采集任务进行一些设置,从而提高采集的稳定性和成功率。
点击“设置”按钮,在弹出的运行设置页面中我们可以进行运行设置和防屏蔽设置,这里我们勾选“跳过继续采集”,设置“2”秒请求等待时间,勾选“不加载网页图片”,防屏蔽设置就按照系统默认设置,然后点击保存。
点此深入了解如何对采集任务进行配置。
2、启动采集任务
点击“保存并启动”按钮,可在弹出的页面中进行一些高级设置,包括定时启动、自动入库和下载图片,本次示例中未使用到这些功能,直接点击“启动”运行爬虫工具。
点此深入了解什么是定时采集。
点此深入了解什么是自动入库。
点此深入了解如何下载图片。
【温馨提示】免费版本可以使用非周期性定时采集功能,下载图片功能是免费的。个人专业版及以上版本可以使用高级定时功能和自动入库功能。
3、运行任务提取数据
任务启动之后便开始自动采集数据,我们从界面上可以直观的看到程序运行过程和采集结果,采集结束之后会有提醒。
步骤五:导出并查看数据
数据采集完成后,我们可以查看和导出数据,后羿采集器支持多种导出方式(手动导出到本地、手动导出到数据库、自动发布到数据库、自动发布到网站)和导出文件的格式(EXCEL、CSV、HTML和TXT),我们选择自己需要方式和文件类型,点击“确认导出”。
点此深入了解如何查看和清空采集数据。
点此深入了解如何导出采集结果。
【温馨提示】:所有手动导出功能都是免费的。个人专业版及以上版本可以使用发布到网站功能。
再为您推荐几个关于新闻采集的教程:
声明:
本教程所采集的网站及内容,仅作为示例教程使用,不涉及商业用途,如果侵犯您的权利,请与我们联系,谢谢!
网友评论