新媒体人必会的傻瓜式爬虫工具：上手 Web Scraper 的 5 个步骤

做新媒体运营，很多时候会需要用到数据来帮助工作，比如你新进到一家公司做新媒体内容编辑，那你需要盘点公司已有的内容资产，避免重复生产内容。这时候就需要把网页上的数据给扒下来，放在一起，才会一目了然。

从网页上扒数据，最好用的方法当然是爬虫工具啦。很多人都以为爬虫很难学吧？我一开始也这么认为的，直到我遇到了 Web Scraper 这个工具，才知道原来爬网页数据也可以这么简单。

下面，我就现身说法，讲解一个小白是怎么快速上手 Web Scraper 的。

步骤一：下载 Web Scraper

Web Scraper 是 Chrome 浏览器上的一个插件，你需要 翻墙进入 Chrome 应用商店，下载 Web Scraper 插件 。

步骤二：打开 Web Scraper

先打开一个你想爬数据的网页，比如我想爬今日头条上「吴晓波频道」这个账户的文章标题、时间、评论数，那我就先打开它，再一一进行操作。

然后 用快捷键 Ctrl + Shift + I / F12 打开 Web Scraper 。

步骤三：新建一个 Sitemap

点击 Create New Sitemap ，里面有两个选项，import sitemap是指导入一个现成的 sitemap，咱小白一般没有现成的，所以一般不选这个，选create sitemap 就好。然后进行这两个操作：

• Sitemap Name ：代表你这个 Sitemap 是适用于哪一个网页的，所以你可以根据网页来自命名，不过需要使用英文字母，比如我抓的是今日头条的数据，那我就用 toutiao 来命名；
• Sitemap URL ：把网页链接复制到 Star URL 这一栏，比如图片里我把「吴晓波频道」的主页链接复制到了这一栏。

步骤四：设置这个 Sitemap

整个 Web Scraper 的抓取逻辑是这样： 设置一级 Selector，选定抓取范围；在一级 Selector 下设置二级 Selector，选定抓取字段，然后抓取 。

咱们换个接地气的例子，假如你要获取福建人的姓名、性别和年龄这三个要素，那么你得这么做：首先要定位到福建省，然后再在福建省里面去定位姓名、性别、年龄。

在这里，一级 Selector 表示你要在中国这个大的国家圈出福建省，二级Selector 表示你要在福建省的人口中圈定姓名、性别、年龄这三个要素。

对于文章而言，一级 Selector 就是你要把这一块文章的要素圈出来，这个要素可能包含了 标题、作者、发布时间、评论数等等，然后我们再在二级 Selector 中挑出我们要的要素，比如标题、作者、阅读数。

下面我们来拆解这个设置一级、二级 Selector 的工作流：

1. 点击 Add new selector 创建一级 Selector，按照以下步骤操作：

• 输入id ：id 代表你 抓取的整个范围 ，比如这里是文章，我们可以命名为 wuxiaobo-articles；
• 选择Type ：type 代表你 抓取的这部分的类型 ，比如元素／文本／链接，因为这个是整个文章要素范围选取，我们需要用 Element 来先整体选取（如果这个网页需要滑动加载更多，那就选 Element Scroll Down）；
• 勾选Multiple ：勾选 Multiple 前面的小框，因为你要选的是 多个元素 而不是单个元素，当我们勾选的时候，爬虫插件会帮助我们识别多篇同类的文章；
• 保留设置 ：其余未提及部分保留默认设置。

2. 点击 select 选择范围，按照以下步骤操作：

• 选择范围 ：用鼠标选择你 要爬取数据的范围 ，绿色是待选区域，用鼠标点击后变为红色，才是选中了这块区域；
• 多选 ：不要只选一个， 下面的也要选 ，否则爬出来的数据也只有一行；
• 完成选择 ： 记得点 Done Selecting；
• 保存 ：点击 Save Selector。

3. 设置好了这个一级的 Selector 之后，点进去设置二级的 Selector，按照以下步骤操作：

• 新建Selector ：点击 Add new selector ；
• 输入id ：id 代表你抓取的是哪个字段，所以可以取该字段的英文，比如我要选「作者」，我就写「writer」；
• 选择Type ：选 Text，因为你要抓取的是文本；
• 勿勾选Multiple ：不要勾选 Multiple 前面的小框，因为我们在这里要抓取的是单个元素；
• 保留设置 ：其余未提及部分保留默认设置。

4. 点击 select，再点击你要爬取的字段，按照以下步骤操作：

• 选择字段 ：这里爬取的 字段是单个的 ，用鼠标点击该字段即可选定，比如要爬标题，那就用鼠标点击某篇文章的标题，当字段所在区域变红即为选中；
• 完成选择 ：记得点 Done Selecting；
• 保存 ：点击 Save Selector。

5. 重复以上操作，直到选完你想爬的字段。

步骤五：爬取数据

之所以说 Web Scraper 是傻瓜式爬虫工具，就是因为只需要设置完所有的 Selector，就可以开始爬数据了，怎么样，是不是简单？

那么怎么开始爬数据呢？只需要一个简单的操作： 点击 Scrape，然后点Start Scraping ，会弹出一个小窗，然后辛勤的小爬虫就开始工作了。你会得到一个列表，上面有你想要的所有数据。

如果你希望把这些数据做一个排序，比如按照阅读量、赞数、作者等指标排序，让数据更一目了然，那么你可以 点击 Export Data as CSV，把它导入 Excel 表里 。

导入 Excel 表格之后，你就可以对数据进行筛选了。

以上就是快速上手 Web Scraper 的所有操作过程，连我这种懒癌 + 手残都能在 5 分钟之内搞定，相信你也可以指哪儿爬哪儿，完全 OK 的啦。

 

本文由 @BPteach 原创发布于人人都是产品经理。未经许可，禁止转载