如何实现在线批量网页链接提取

如何实现在线批量网页链接提取

在进行数据采集的时候，我们可能有提取网页链接的需求。网页链接提取一般有两种情况：提取页面内的链接；提取当前页地址栏的链接。针对这两种情况，八爪鱼采集器均有相关功能实现。

一、八爪鱼提取页面内的超链接

在网页里点击需要提取的链接，选择“采集以下链接地址”

八爪鱼提取页面内的超链接图1

二、八爪鱼提取当前地址栏的超链接

从左边栏拖出一个提取数据的步骤出来（如果当前页已经有其他的提取字段，这一步可省略）点击“添加特殊字段”，选择“添加当前页面网址”。可以看到，当前地址栏的超链接被抓取下来

八爪鱼提取页面内的超链接图2

而批量提取网页链接的需求，一般是指批量提取页面内的超链接。以下是一个使用八爪鱼批量提取页面内超链接的完整示例。

采集网站：

https:///search?initiative_id=tbindexz_20170918&ie=utf8&spm=a21 bo.50862.201856-taobao-item.2&sourceId=tb.index&search_type=item&ssid=s5-e&commend=all&imgfile=&q=手表&suggest=history_1&_input_charset=utf-8&wq=&suggest_query=&source=suggest

步骤1：创建采集任务

1）进入主界面，选择自定义模式

八爪鱼提取页面内的超链接图3

2）将上面网址的网址复制粘贴到网站输入框中，点击“保存网址”

八爪鱼提取页面内的超链接图4

3）保存网址后，页面将在八爪鱼采集器中打开，红色方框中的商品url

是这次演示采集的信息

八爪鱼提取页面内的超链接图5

步骤2：创建翻页循环

1）将页面下拉到底部，找到下一页按钮，鼠标点击，在右侧操作提示框中，

选择“循环点击下一页”

八爪鱼提取页面内的超链接图6

步骤3：商品url采集

1）如图，移动鼠标选中列表中商品的名称，右键点击，需采集的内容会变成绿色，然后点击“选中全部”

八爪鱼提取页面内的超链接图7

2）选择“采集以下链接地址”

八爪鱼提取页面内的超链接图8

3）点击“保存并开始采集”

八爪鱼提取页面内的超链接图9

4）根据采集的情况选择合适的采集方式，这里选择“启动本地采集”

八爪鱼提取页面内的超链接图10

步骤4：数据采集及导出

1）选择合适的导出方式，将采集好的数据导出

八爪鱼提取页面内的超链接图11

通过以上操作，目标网页内的商品超链接就被批量采集下来了。我们可以使用这些超链接，建立列表循环，来采集我们需要的其他字段数据，如下所示。

步骤5：创建url列表采集任务

1）重新创建一个采集任务，将导出后的商品链接复制，放到输入框中，点击“保存网址”

八爪鱼提取页面内的超链接图12

注意：输入框中的url列表数量不要超过2W个，超过的部分可以新建任务进行采集，url 打开的页面必须是相同网站样式相近的，否则会导致数据采集缺失。

2）在页面中点击需要采集的文本数据，点击“采集数据”

八爪鱼提取页面内的超链接图13

3）打开流程图，修改采集字段名称，点击“保存并开始采集”

八爪鱼提取页面内的超链接图14

注意：点击右上角的“流程”按钮，即可展现出可视化流程图。

4）采集完成，点击“导出数据”

八爪鱼提取页面内的超链接图15

5）选择合适的导出方式，将采集好的数据导出

八爪鱼提取页面内的超链接图16

注：在八爪鱼中，要提取超链接，需要满足两个条件。

1、点击的字段在A标签，在网页源码中，A标签代表超链接，如果不是在A 标签内，八爪鱼无法判断

2、A标签内有href 属性，href 属性里的就是点击之后链接转向的地址，属性里显示什么，八爪鱼就提取什么。如果没有href属性，自然就没办法提取到。

这些都是八爪鱼自动判断的，其实看不懂也不影响操作。只是如果发现提取不到的时候，也许就是因为没满足这两个条件，要看当前网页源码的特点，根据特点找别的方式提取数据。相关采集教程：

淘宝评论采集

天猫商品信息采集

京东商品信息采集

八爪鱼——70万用户选择的网页数据采集器。

1、操作简单，任何人都可以用：无需技术背景，会上网就能采集。完全可视化流程，点击鼠标完成操作，2分钟即可快速入门。

2、功能强大，任何网站都可以采：对于点击、登陆、翻页、识别验证码、瀑布流、Ajax脚本异步加载数据的网页，均可经过简单设置进行采集。