• 所有问题

    • 八爪鱼数据采集器的内置功能有哪些

    如题所述

    举报该问题
    推荐答案   推荐于2017-12-16
    八爪鱼数据采集器的内置功能比较多，一时半会难以说完，只能根据你 的实际使用需求来，能满足你的需求就够了，其他的功能对于你来说就都是多余的，但是你慢慢研究你会发现他有多强大，简直无所不能！处处给你惊喜。
    下面我简单说一下：

    1　入门词汇介绍
    1.1.1 积分
    积
    分是用来支付八爪鱼增值服务的一种方式，主要的用途包括：通过八爪鱼采集器采集并导出数据，在规则市场下载规则，在数据市场下载数据包，不同的账号类型在
    使用上述增值服务时会有不同的收费策略，具体的收费策略和区别在下面版本说明里面有详细的解释。积分可以通过八爪鱼官方购买专业版或者旗舰版每月赠送，也
    可以单独购买积分，还可以通过关注，签到，分享规则，关注微信，绑定社交账号等多种方式获得。
    1.1.2　规则
    规则是八爪鱼用来配置程序按照人工操作流程记录的一条程序规则，当软件配置好的则的时候，则可以按照您所配置的规则进行数据的采集，代替人工步骤。
    1.1.3　云加速
    八爪鱼系统是通过分布式集群部署的方式，每个集群由数量庞大的云节点组成，单个节点的采集能力相当于一台PC机的采集能力，通过八爪鱼后台的版本资源分配策略，分配到多少个云节点资源就享有几倍的加速，版本高的账户有更高的加加速倍数。
    1.1.4　云优先
    如果是多用户共享一个云集群的资源，一个集群的规模大小是有上限的，如果同一时间提交云集群任务过多，造成资源拥堵，那么根据用户账号版本的不同，八爪鱼系统会进行默认排序，版本高的，优先级高，将有优先获得资源分配的权益。暂时未分配到资源的任务将进行排队轮候。
    1.1.5　URL
    URL指正常网站的网址。
    1.1.6　单机采集
    单机采集是指不占用云集群的资源，只能通过八爪鱼客户端所在的PC进行工作，在工作期间，需要电脑和软件都处于运行状态，电源中断或者网路中断都会导致数据采集任务的中断
    1.1.7　云采集
    云
    采集是指通过使用八爪鱼提供的服务器集群进行工作，该集群是7*24小时的工作状态，在客户端将任务设置完成并提交到云服务执行进行云采集之后，可以关闭
    软件，关闭电脑进行脱机采集，真正的实现无人值守。除此之外云采集通过云服务器集群的分布式部署方式，多节点同时进行作业，可以提高采集效率，并且可以高
    效的避开各种网站的IP封锁策略。
    1.1.8　定时采集
    定时采集指的是用户在设定好八爪鱼的采集规则时，定时的启动 采集程序。
    1.1.9　URL循环
    URL循环是指设定八爪鱼在制定的URL网址里面循环采集。
    1.1.10　自动导出
    自动导出是指用户在设定好导出.
    1.1.11　Cookie
    1）
    Cookie诞生

    当某个用户打开浏览器发出页面请求时，web服务器只是进行简单相应，然后就关闭与该用户的连接。所以当用户每发起一个打开网页请求到web服务器的时
    候，无论是否是第一次打开同一个网页，web服务器都会把这个请求当作第一次来对待，那这样的缺陷可想而知，比如每次打开登录页面的时候都需要输入用户
    名、密码。为了弥补这个缺陷，Cookie应运而生。

    2） Cookie概述

    Cookie就是服务器暂时存放在你计算机上的一笔资料，好让服务器来辨认你的计算机。当你在浏览网站的时候，web服务器会先送出小小资料放在你的计算
    机上，cookie会帮你在网站上所打的文字（如用户名、密码）和其他一些操作都记录下来。当下次你再打开同一个网站。web服务器会先看看有没有它上次
    留下的cookie资料，有的话就会依据cookie的内容来判断使用者，送出特定的网页内容给你。

    3） Cookie工作原理
    1.1.12　XPATH
    XPATH:是一种路径查询语言，简单的说就是利用一个路径表达式找到我们需要的数据位置。
    XPATH专用于XML中沿着路径查找数据用的，但是八爪鱼采集器内部有一套针对HTML的XPATH引擎，使得直接用XPATH就能精准的查找定位网页里面的数据。
    1.1.13　HTML
    1）
    HTML概念

    HTML:超文本标记语言，是用来描述网页的一种语言。主要用于控制数据的显示和外观。HTML文档也被称为网页。

    2） HTML结构

    完整的HTML文件至少包括<HTML>标签、<HEAD>标签、<TITLE>标签和<BODY>标
    签，并且这些标签都是成对出现的，开头标签为<>，结束标签为</>，在这两个标签之间添加内容。通过这些标签中的相关属性可以
    设置页面的背景色、背景图像等。
    2　八爪鱼基本流程教程
    2.1 打开网页
    该步骤根据设定的网址打开网页，一般为网页采集流程的第一个步骤，用来打开指定的网站或者网页。如果有多个类似的网址需要分别打开执行同样的采集流程，则应该放置在循环的内部，并作为第一个子步骤。
    1） 网页地址
    网址，一般可以从网页浏览器如IE等的地址栏中复制得到，如:http://www.skieer.com
    2） 使用当前循环项
    配合循环骤来使用，用以重复打开多个类似的网页，然后执行同样的一套流程，循环打开网页时，应为作为循环步骤的第一个子步骤。 如果勾选此项，则无需手动设置网页地址，网页地址会自动显示循环设定的网址列表的当前循环项。
    3） 阻止弹出窗口
    用以屏蔽网页弹窗广告，如果打开的网页偶尔会变成另外一个广告页面，则可以使用本选项阻止广告页面弹出。
    4） 超时
    在网页加载完成前等待的最大时间，如果网页打开缓慢，或者长时间无法打开，则流程最多等待超时指定的时间，之后无论网页是否加载完成，都直接执行下一步骤，应尽量避免设置过长的超时时间，因为这会影响采集速度。
    5） 滚动到底部
    个别网页在打开网页后并没有显示所有数据，需要滚动鼠标滚轮或者拖动页面滚动条到底部，才会加载没有显示的数据，使用此选项在页面加载完成后滚动到底部
    6） 激活重试
    如果网页没有按照成功打开预期页面，例如显示服务器错误（500），访问频率太快等，或者跳转到其他正常执行不应该出现的页面，可以使用本选项进行重试，但必须配合以下几个重试参数执行，请注意以下几种判断的情况任意一种出现都会导致重试。
    7） 结果页面网址包含
    如果出现的页面网址中总是出现某个特殊的字符串，例如网页找不到时一般会出现500.htm等，则使用此选项可以判断没有打开预期页面，需要重试
    8） 结果页面文本包含
    如果出现的页面文字中中总是出现某个特殊的字符串，例如"访问频率太快"，则使用此选项可以判断没有打开预期页面，需要重试
    9） 结果页面文本不包含
    如果正常打开网页一定会出现某个特殊的字符串，但没有正常打开的时候一定不会出现该字符串，则可以据此判断判断没有打开预期页面，需要重试
    10） 最大重试次数
    为了避免无限制重复尝试，请示用本选项限制最大重复尝试的次数，如果重试到达最大允许的次数，任然没有成功，则流程将停止重试，继续执行下一步骤
    11） 重试间隔
    在两次重试之间等待的时间，一般情况下，当打开网页出错时，立即重试很有可能是同样的错误，适当等待则可能成功打开预期网页，但应该尽量避免设置过长的等待时间，因为这会影响采集速度
    2.2　点击元素
    该步骤对网页上指定的元素执行鼠标左键单击动作，比如点击按钮，点击超链接等。
    1） 使用当前循环项
    配
    合循环步骤来使用，用以重复点击循环中设置的多个元素，适用于循环单个固定元素，循环固定元素列表，循环可变元素列表。
    如果勾选此项，则无需设置点击的元素，要点击的元素会自动显示循环设定的当前循环项，使用该选项时，应当作为循环步骤的子步骤，但不必是第一个子元素。
    2） 新标签页中打开
    如
    果点击元素时希望在新的标签页中打开，而不是在当前页打开，请勾选此选项。
    一般情况下，在需要循环打开一个页面上的多个超链接时，需要勾选此选项以便保留列表页面，以便点击列表页上的下一个超链接；但是如果是循环点击下一页时，
    则不要勾选此选项，以在当前页面打开下一页。
    3) 滚动到底部
    个别网页在加载完成后并没有显示所有数据，需要滚动鼠标滚轮或者拖动页面滚动条到底部，才会加载没有显示的数据，使用此选项在页面加载完成后滚动到底部
    4) 异步加载数据
    异步加载也叫Ajax，是一种无需重新加载网页就能刷新局部数据的技术，因此流程不能检测到网页加载完成，就不能决定何时该执行下一个步骤， 使用此选项，流程会在等待设定的超时时间后默认数据已经加载完成，从而继续执行后续流程步骤。本选项需要配合异步加载超时使用.
    5) 异步加载超时
    等待异步加载完成的时间，在点击元素之后，流程会开始计时，超时时间到达后，执行下一个流程步骤。本选项需要配合异步加载使用，通常使用本选项时，不能勾选“新标签页中打开”
    6) 激活重试
    如果网页没有按照成功打开预期页面，例如显示服务器错误（500），访问频率太快等，或者跳转到其他正常执行不应该出现的页面，可以使用本选项进行重试，但必须配合以下几个重试参数执行，请注意以下几种判断的情况任意一种出现都会导致重试。
    7) 结果页面网址包含
    如果出现的页面网址中总是出现某个特殊的字符串，例如网页找不到时一般会出现500.htm等，则使用此选项可以判断没有打开预期页面，需要重试
    8) 结果页面文本包含
    如果出现的页面文字中中总是出现某个特殊的字符串，例如"访问频率太快"，则使用此选项可以判断没有打开预期页面，需要重试
    9) 结果页面文本不包含
    如果正常打开网页一定会出现某个特殊的字符串，但没有正常打开的时候一定不会出现该字符串，则可以据此判断判断没有打开预期页面，需要重试
    10) 最大重试次数
    为了避免无限制重复尝试，请示用本选项限制最大重复尝试的次数，如果重试到达最大允许的次数，任然没有成功，则流程将停止重试，继续执行下一步骤
    11) 重试间隔
    在两次重试之间等待的时间，一般情况下，当打开网页出错时，立即重试很有可能是同样的错误，适当等待则可能成功打开预期网页，但应该尽量避免设置过长的等待时间，因为这会影响采集速度
    2.3　输入文本
    本步骤在输入框中输入指定的文本，例如输入搜索关键词，输入账号等。
    将设定的文本输入到网页的某个输入框中，如使用搜索引擎时输入关键字。
    2.4　提取数据
    本步骤根据提取数据模板的配置，从网页中提取数据，同时还可配置为提取网址，网页标题，或者生成一些数据如当前时间等。
    1) 抓取模板
    本步骤根据提取数据模板的配置，从网页中提取数据，同时还可配置为提取网址，网页标题，或者生成一些数据如当前时间等。
    2） 名字
    给抓取的数据字段取个别名,如新闻标题,新闻正文
    3) 提取到的数据
    从网页上提取到的数据,将会在本列显示所抓取到的示例
    4) 描述
    对本数据字段的一些描述信息
    5） 使用当前循环项
    配
    合循环步骤来使用，用以重复的从循环中设置的多个元素中提取数据，适用于循环单个固定元素，循环固定元素列表，循环可变元素列表。
    如果勾选此项，会从循环所设置的元素中根据抓取规则提取出示例数据，使用该选项时，提取数据步骤应当作为循环步骤的子步骤，但不必是第一个子元素。
    2.5　循环
    1） 本步骤用来重复执行一系列步骤，根据配置不同，支持多种模式。
    循环固定单个元素，例如循环点击每一页中的下一页按钮；
    2） 循环固定列表，例如循环处理一个页面中指定的多个元素；
    3） 循环可变列表，当需要循环处理多个页面，但是每个页面上要处理的元素数量不固定时使用；
    4） 循环网址列表，主要用来循环打开一批指定网址的网页，然后执行同样的处理步骤。
    1） 循环注意事项
    1） 元素在IFRAME里
    如果循环中设置的元素在IFRAME里，请勾选此项，并在后面的IFAMEXPah中填写IFRAME的XPATH
    2） IFAMEXPah
    元素所在IFRAME的路径，只有当勾选'元素在IFRAME里'时这个设置才会生效。
    3） 固定的一个元素
    循环的对一个元素进行特定操作，如循环点击下页，下翻下拉列等，当翻到最后一页或下拉列表已到最后一项时，会自动结束当前循环。
    4） 固定的元素列表
    逐个的对列表中的元素进行特定操作，如循环点击、从中提取数据、将鼠标悬停在元素上，当所有元素循环完毕时，会自动结束当前循环。
    5） 动态元素列表
    当元素列表不是固定的，可指定一个动态路径（多个元素都符合此路径，即可以根据此路径定位到多个元素），系统会根据指定路径先找到一个元素列表，然后执行跟‘固定的元素列表’一样的操作。
    6） URL列表
    配合打开网页操作作用，指定一个URL列表，确保循环里面的打开网页操作的使用当前循环项标识已勾选，以逐个的打开URL列表中的连接。
    7） 循环执行次数等于
    在执行到指定次数时退出循环
    2.6　翻下拉列表
    本
    步骤用于切换下拉列表
    1） 从option顺序/到option顺序
    默认为空，代表从下拉列表第一个顺序切换，直到最后一个，但有时需要跳过第一个选项，从第二个或者中间某个位置开始切换下拉列表，
    使用这两个选项可以控制切换的起始和结束顺序，例如，假设下拉选项有5个，需要从第2个顺序切换到第4个，则“从option顺序”设置为2，“到
    option顺序”设置为4。
    2） 跳过值/到值
    默认为空，表示按照设定，顺序切换下拉列表，但如果切换中需要跳过某个下拉项，则使用此设置，可以控制跳过的范围，
    例如，假设下拉列表有5个选项，值分别是10、11、12、13、14，如果需要跳过12，则设置“跳过值”为12，如果需要跳过12、13，则设置“跳
    过值”为12，“到值”设置为“13”。
    3） 使用当前循环项
    配合循环步骤来使用，用以重复的循环中的指定的下拉列表切换到下一个选项。
    4） 异步加载数据
    异步加载也叫Ajax，是一种无需重新加载网页就能刷新局部数据的技术，因此流程不能检测到网页加载完成，就不能决定何时该执行下一个步骤，
    使用此选项，流程会在等待设定的超时时间后默认数据已经加载完成，从而继续执行后续流程步骤。本选项需要配合异步加载超时使用
    5） 异步加载超时
    等待异步加载完成的时间，在点击元素之后，流程会开始计时，超时时间到达后，执行下一个流程步骤。本选项需要配合异步加载使用。
    6） 激活重试
    如果网页没有按照成功打开预期页面，例如显示服务器错误（500），访问频率太快等，或者跳转到其他正常执行不应该出现的页面，可以使用本选项进行重试，
    但必须配合以下几个重试参数执行，请注意以下几种判断的情况任意一种出现都会导致重试。
    7） 结果页面网址包含
    如果出现的页面网址中总是出现某个特殊的字符串，例如网页找不到时一般会出现500.htm等，则使用此选项可以判断没有打开预期页面，需要重试
    8） 结果页面文本包含
    如果出现的页面文字中中总是出现某个特殊的字符串，例如"访问频率太快"，则使用此选项可以判断没有打开预期页面，需要重试
    9） 结果页面文本不包含
    如果正常打开网页一定会出现某个特殊的字符串，但没有正常打开的时候一定不会出现该字符串，则可以据此判断判断没有打开预期页面，需要重试
    10） 最大重试次数
    为了避免无限制重复尝试，请示用本选项限制最大重复尝试的次数，如果重试到达最大允许的次数，任然没有成功，则流程将停止重试，继续执行下一步骤
    11） 重试间隔
    在两次重试之间等待的时间，一般情况下，当打开网页出错时，立即重试很有可能是同样的错误，适当等待则可能成功打开预期网页，但应该尽量避免设置过长的等
    待时间，因为这会影响采集速度
    2.7　条件分支
    本步骤会从左到右选择第一个符合条件的分支，并执行该分支
    1） 总是
    不设置任何判定条件，该分支总是符合执行条件
    2） 当页面中包含文本
    当页面中包含指定文本是，该分支符合执行条件
    3） 当页面中包含元素
    当页面中包含指定元素时，该分支符合执行条件，配合元素XPATH使用
    4） 元素XPATH
    判定条件元素的XPATH路径
    5） 在IFRAME里
    如果判定条件元素在IFRAME里，请勾选此项，并在后面的IFAMEXPah中填写IFRAME的XPATH
    6） IFAMEXPah
    元素所在IFRAME的路径，只有当勾选'元素在IFRAME里'时这个设置才会生效。
    2.8　鼠标悬停
    本步骤用于将鼠标悬停在指定元素上。
    1) 使用当前循环项
    配合循环步骤来使用，用以重复的将将鼠标悬停循环中指定的元素上，然后执行下面的流程。
    2) Ajax加载数据
    Ajax
    也叫异步加载，是一种无需重新加载网页就能刷新局部数据的技术，因此流程不能检测到网页加载完成，就不能决定何时该执行下一个步骤。
    很多网页会在鼠标悬停在某些元素上时异步加一些数据，并在页面上显示。使用此选项，流程会在等待设定的超时时间后默认数据已经加载完成，从而继续执行后续
    流程步骤。本选 项需要配合异步加载超时使用
    3） 异步加载超时
    等待异步加载完成的时间，在点击元素之后，流程会开始计时，超时时间到达后，执行下一个流程步骤。本选项需要配合异步加载使用。
    2.9　如何下载采集规则
    为
    了避免配置采集规则的重复工作，八爪鱼采集器内置了规则市场，由用户分享配置好的采集规则，互帮互助。
    使用规则市场下载规则的好处显而易见，可以不用花费时间研究和配置采集流程。很多网站的采集规则都可以在规则市场中搜索到，下载运行即可采集。
    下载规则需要使用八爪鱼采集器，具体操作步骤：打开八爪鱼采集器->采集规则->规则市场。
    3.0 如何使用规则
    1）
    使用从规则市场下载的规则
    一般从规则市场下载的规则是.otd为后缀的规则文件，4.*以后的版本中会自动导入下载的规则文件。以前的版本中需要手动导入下载的规则文件。
    手动导入方式：八爪鱼规则文件（.OTD）直接双击即可打开导入向导，或者打开八爪鱼采集器, 快速开始 ->
    导入规则，然后按照向导提示导入规则。 但有时候会下载到.zip为后缀的压缩文件，压缩文件解压后包含多个.otd规则文件，需要先解压，然后导入。
    2） 使用接收到的规则
    使用邮件或者其他即时通讯软件接受到的规则，可以参考上一节说明，手动导入。
    温馨提示：答案为网友推荐，仅供参考
    相似回答
    大家正在搜
    相关问题
    八爪鱼采集器 采集的数据有什么用
    八爪鱼数据采集器内置的是什么浏览器
    八爪鱼采集器有什么用？
    八爪鱼采集器的简介
    八爪鱼数据采集器怎么样采集产品链接
    八爪鱼采集器3.2版本是免费的吗?新增了什么功能?
    用八爪鱼抓取来的数据可以用来做什么
    为什么说八爪鱼采集器是最好用的网页数据采集器