爬山虎采集器是一款非常强大的网页信息采集工具,这款工具能够帮助用户们一键快速提取各种网页上的数据,并生成Excel表格,api数据库文件等内容,同时支持互联网中99%的网站,让您轻松获取自己想要的数据。
【软件特色】
一键提取数据
简单易学,通过可视化界面,鼠标点击即可抓取数据
快速高效
内置一套
高速浏览器内核,加上HTTP引擎模式,实现快速采集数据
适用各种网站
能够采集互联网99%的网站,包括单页应用Ajax加载等等动态类型网站
【功能介绍】
向导模式
简单易用,轻松通过鼠标点击自动生成
脚本定时运行
可按照计划定时运行,无需人工
独创高速内核
自研的浏览器内核,速度飞快,远超对手
智能识别
对于网页中的列表、表单结构(多选框下拉列表等)能够智能识别
广告屏蔽
定制的广告屏蔽模块,兼容AdblockPlus语法,可添加自定义规则
多种数据导出
爬山虎采集器官方版支持Txt 、Excel、MySQL、SQLServer、SQlite、Access、网站等
【使用方法】
第一步:输入采集网址
打开软件,新建任务,输入需要采集的网站地址。
第二步:智能分析,全程自动化提取数据
进入到第二步后,爬山虎采集器全自动智能分析网页,并且从中提取出列表数据。
第三步:导出数据到表格、数据库、网站等
运行任务,将采集到的数据导出为Csv、Excel以及各种数据库,支持api导出。
【常见问题】
问:如何过滤列表中的前N个数据?
1.有时我们需要对采集到的列表进行过滤,比如过滤掉第一组数据(在采集表格时,过滤掉表格列名)
2.点击列表模式菜单中的,设置列表xpath
问:如何抓包获取Cookie,并且手动设置?
1.首先,使用谷歌浏览器打开要采集的网站,并且登陆。
2.然后按下 F12,会出现开发者工具,选择 Network
3.然后按下F5,刷新下页面, 选择其中一个请求。
4.复制完成后,在爬山虎采集器中,编辑任务,进入第三步,指定HTTP Header。
【更新日志】
1.增加插件功能
2.增加导出 txt (一条保存为一个文件)
3.多值连接符支持换行符
4.修改数据处理的文本映射(支持查找替换)
5.修复登陆时的DNS问题
6.修复图片下载问题
7.修复 json 一些问题