本文介绍如何使用后羿采集器的智能模式，快速采集华尔街见闻新闻的内容、评论数、图片等信息。
采集工具简介：
后羿采集器是一款基于人工智能技术的网站采集工具，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：
华尔街见闻是中国领先的互联网金融服务提供商，为用户提供金融资讯、数据、策略、和交易服务等信息，华尔街见闻的数据能够帮助旨投资者获取前沿信息，为投资决策提供参考。
官网网址：https://wallstreetcn.com/
采集字段：
标题、标题链接、文章简介、作者、缩略图、发布时间、评论数、文章内容
功能点目录：
采集结果预览：
导出到EXCEL
华尔街见闻数据发布到Wordpress效果
下面我们来详细介绍一下如何采集华尔街见闻新闻数据，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、复制华尔街见闻网页地址（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、设置分页
由于华尔街见闻的网页浏览方式是通过滚动加载的形式，不是直接点击下一页的浏览方式，所以我们需要手动设置分页，点击“分页设置—手动设置分页—瀑布流+点选分页按钮）”设置分页。
点此了解更多关于分页设置的内容
2、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。
3、使用深入采集功能提取详情页数据
在搜索结果页上华尔街见闻只展示出部分新闻信息，包括：新闻标题、缩略图、新闻简介、作者及发布时间，如果需要采集新闻内容，我们需要点击新闻标题进入详情页面，然后使用“深入采集”功能进行采集。
在详情页面我们可以看到新闻的内容、评论数等信息，这些信息都可以采集。
我们点击“添加字段”按钮，然后在页面中点击需要采集的数据。
点此深入了解如何采集列表+详情页类型网页。
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，设置完毕后点击“启动”。
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，可以导出数据，选择导出的文件类型，点击“确认导出”。
注意：后羿采集器免费提供导出到本地的多种导出方式，如excel、csv、html、txt或数据库等方式，个人专业版及以上用户也可直接发布到wordpress、dede和typecho等CMS网站。
网友评论