html采集电脑信息,网页数据采集入门词汇介绍 - 八爪鱼采集器
1、积分
积分是用来支付八爪鱼增值服务的一种方式,在八爪鱼采集器采集数据后,用来导出数据。免费版导出数据需积分,专业版及以上导出数据无限制。积分可以单独购买,也可以通过签到、完善个人资料、绑定社交账号等多种方式获得。
注意:不同的账号类型在使用八爪鱼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版本说明里面有详细的解释。
2、规则(也称任务)
规则是八爪鱼规则配置程序记录人工操作流程、展现在八爪鱼客户端中并能进行导入导出操作的一个程序脚本。当一条规则配置好之后,八爪鱼即可按照所配置的规则自动地进行数据采集,代替人工采集。
3、云加速
八爪鱼系统采用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速倍数。
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。
5、URL
URL指正常网站的网址。
6、本地采集
本地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。
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。
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后,可设置在云采集集群上定时运行该任务,任务会根据定时设置的时间周期性多次运行,支持实时采集。
9、URL循环
URL循环是指设定八爪鱼循环采集一批URL网址里面的数据。
10、自动导出
自动导出指的是用户可通过一些设置,实现数据自动导出,支持自动导出到数据库。自动导出到数据库只支持云采集,可以实现边采集边导出,导出的是当前未导出过的数据。
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登录:在八爪鱼中内置了记录Cookie的功能,可通过获取登陆后的Cookie来记住登陆状态,以达到采集数据的目的。Cookie只能在八爪鱼已打开的网页中获取,不支持自定义添加或修改Cookie
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专门用于在XML中沿着路径查找数据。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。
13、HTML
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。
HTML结构:完整的HTML文件至少包括标签、
标签、标签和标签,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。
14、固定元素列表和不固定元素列表
固定元素列表,是一种精确定位方式,适用于网页上要采集的元素是固定数目的情况,一条XPath精确定位到一个元素。如图:3条XPath可精确定位到3个a标签。
//DIV[@class=’video-list’]/DIV[1]/A[1]/H3[1]
//DIV[@class=’video-list’]/DIV[2]/A[1]/H3[1]
//DIV[@class=’video-list’]/DIV[3]/A[1]/H3[1]
不固定元素列表,是一种模糊定位方式,以解决部分网页列表元素不是固定数目的情况,例如部分网页第一页存在8个同类元素、第二页存在14个同类元素。如图:一条XPath可直接把这三个a标签都包含进去。
//a[@class='test']
15、AJAX
AJAX:AJAX即延时加载、异步更新的一种脚本技术,通过在后台与服务器进行少量数据交换,可以在不重新加载整个网页的情况下,对网页的某部分进行更新。在八爪鱼中,如果网页只有局部数据更新,网址URL没有变化,八爪鱼收不到网页变化信号,导致采集停止或者采集不到数据。
AJAX在网页上表现特征:1、点击网页中某个选项时,大部分网站的网址不会改变;2、网页不是完全加载,只是局部进行了数据加载,有所变化。
16、IFRAME框架
IFRAME即HTML标签,会创建包含另外一个文档的内联框架(即行内框架),含义是网页中的网页。例如我们可以通过火狐获取1688登陆框的详细地址,然后直接输入这个详细的地址进行流程设计,在火狐浏览器上鼠标右键登录框→选择此框架→查看框架信息→地址,这个地址即为登录框的真实网址,获取到这个地址之后,在八爪鱼里输入这个网址做规则即可。
html采集电脑信息,网页数据采集入门词汇介绍 - 八爪鱼采集器相关推荐
- 大数据信息资料采集:商品促营销活动海报设计模板八爪鱼采集规则
大数据信息资料采集:商品促营销活动海报设计模板八爪鱼采集规则 数据采集满足多种业务场景:适合产品.运营.销售.数据分析.政府机关.电商从业者.学术研究等多种身份职业. 舆情监控:全方位监测公开信息,抢 ...
- 大数据信息资料采集:视频信息采集及评论内容爬取八爪鱼采集规则
大数据信息资料采集:视频信息采集及评论内容爬取八爪鱼采集规则 数据采集满足多种业务场景:适合产品.运营.销售.数据分析.政府机关.电商从业者.学术研究等多种身份职业. 舆情监控:全方位监测公开信息,抢 ...
- 09丨数据采集:如何用八爪鱼采集微博上的“DG”评论
八爪鱼的基本操作 在开始操作前,我先来介绍下今天要讲的主角"八爪鱼"工具.相比使用 Python 进行爬虫,八爪鱼的使用更加简便,因为是所见即所得的方式,基本上不需要编写代码,除了 ...
- 采集工具有哪些-数据采集工具有哪些-网站采集工具
采集工具有哪些,常用的采集工具有哪些?采集工具分为二种:第一种是关键词文章采集,就是你输入关键词就能采集批量采集文章.第二种是指定网站数据采集,你输入域名后就自动采集网站数据内容.全程可视化采集无需编 ...
- 《八爪鱼采集器》如何自定义抓取数据
步骤1:创建采集任务 1)进入主界面,选择"自定义模式" 2)将要采集的网址复制粘贴到网站输入框中,点击"保存网址" 步骤2:创建翻页循环 1)在页面右上角,打 ...
- 一款全新的网页数据采集工具:爬山虎采集器
特性 爬山虎采集器是一款全新的网页数据采集工具.作为一款工具软件,我们: 放弃了花哨的界面,换之以快速流畅的体验. 放弃了复杂的规则配置,开发了智能的自动提取算法. 在基于浏览器的可视化操作上,同时保 ...
- 第01章 网络数据采集入门
序言 1. 内容介绍 本章详细介绍了网络数据采集基本流程,selenium 基本操作方法等内容. 2. 理论目标 了解网络数据采集基本流程 了解 selenium 基本操作方法 3. 实践目标 能掌握 ...
- [功能发布]Excel催化剂2周年巨献-网页数据采集功能发布,满足90%合理场景使用...
转眼间,Excel催化剂推出已经两周年,在此之际,献上数据时代最刚需的网页采集功能,无需苦苦寻觅各种工具,借助Excel催化剂过往数据处理.清洗功能,加上此轮的网页采集功能,一点不输于市面上的各种收费 ...
- Python 网络数据采集(三):采集整个网站
Python 网络数据采集(三):采集整个网站 1.采集整个网站 2. 完整代码 3. 下一节,继续优化这个"爬虫"程序 参见 作者:高玉涵 时间:2022.5.30 15:3 ...
- 网页数据采集爬虫研究
数据采集的方式 采用国内现成的采集工具 通用类: 如火车头,八爪鱼等,gooseeker.com等,有配置页面,可定义规则,八爪鱼号称有抓取国内主流电商网站的版本. 专用类 天猫店铺商品采集工具 v1 ...
最新文章
- EasyUI 树菜单
- 2017-2018-1 20155229 《信息安全系统设计基础》第十三周学习总结
- linux命令 scp
- Git 仓库基础操作
- 大数据开发:剖析Hadoop和Spark的Shuffle过程差异
- 1215课后练习----判断字符串位置
- centos 更新源_centos6 更换yum源
- kafka实战教程(python操作kafka),kafka配置文件详解
- 1. SVN (1)
- 用typedef给结构体一个别名
- Python数据处理(一)
- 攻城狮还是产品运营?
- python爬虫100例--酷我音乐--周杰伦歌曲(1)
- matlab ignoreanalyticconstraints,MATLAB函数随笔之计算篇
- 2011年计算机类会议汇总
- 哭了,谁还会心疼?累了,谁让我依靠?
- 机器学习应用设计阶段的 10 个陷阱和 11 个最佳实践
- 四川哪家专科学院计算机好,2019四川省最好的十大专科学校排名
- 元宇宙将如何改变工作的未来?
- MyBatis-- 分页插件