在 第3课中，我们学会了如何采集多个列表中的数据，相信大家都已学会创建【循环-提取数据】。本节课将学习一种特殊格式的列表数据——表格数据采集。

 

表格是一种很常见的网页样式，例：球探网的赛事比分表，天天基金网的基金排名表，东方财富网的股票信息表，中国证券业协会的年报披露表格等等。

 

表格作为列表数据的特殊形式，我们可以将表格的每一行看作为列表的每一个数据的大区块范围， 表格每一行的全部单元格字段，相当于列表每个数据区块内的多个子字段。那么上节课讲的【循环-提取数据】创建方法在本课也能用。

 

现在有一个新浪财经股票表格的网页：

http://stock.finance.sina.com.cn/stock/go.php/vIR_RatingNewest/index.phtml  表格结构非常整齐，每条股票信息各占表格的一行，一行股票中包含多个字段信息：股票代码、股票名称、目标价、最新评级、评级机构等。

 

 

鼠标放到图片上，右键，选择【在新标签页中打开图片】可查看高清大图

下文其他图片同理

 

我们想要将这些字段采集下来并以Excel等形式存储下来，如下图所示。

 

 

在八爪鱼中该如何操作？

示例网址：http://stock.finance.sina.com.cn/stock/go.php/vIR_RatingNewest/index.phtml

 

一、智能识别


表格型的网页，八爪鱼支持智能识别。使用智能识别，只需输入网址就能自动获取数据，并生成采集流程，如下图所示。
点击了解 智能识别详情 。

 

二、自行配置采集流程


如果想要自行配置采集流程，怎么办？以下为具体步骤：


步骤一、输入网址


在首页【输入框】中输入目标网址，点击【开始采集】，八爪鱼自动打开网页。如果自动开始智能识别，可点击【不再自动识别】或【取消识别】。如果已关闭智能识别，可进行接下来的步骤。

 

 

步骤二、建立【循环-提取数据】

 

我们可以联想到上节课中讲过的知识点，将表格作为列表数据的特殊形式，将每一行股票作为列表中每一条数据的大区块范围来看， 创建【循环-提取数据】，让八爪鱼自动识别到全部股票，和每个股票数据的全部子元素。

 

先看一个包含所有具体步骤的动图：

 

再拆分每个步骤，进行详情说明：

 

1、先选中页面上第一个列表的第一个单元格，再点击提示框右下角的【tr】按钮阔选fa，选中至一整行。

 

选中后，提示框会提示发现了【子元素】，【子元素】即八爪鱼自动识别到的每一行的具体字段，想问你是否要定位这些子元素。

 

特别说明：

a. 点击tr扩大范围按钮时，如果点击1次没有选中一行，可点击多次，直至选中一行。

 

 

 

 

 

2、在提示框中，选择【选中全部子元素】。第1个股票中的具体字段就被选中了，这时八爪鱼又自动识别到页面中其他股票列表具有相同的【子元素】。

 

 

3、在提示框中，选择【选中全部相似组】。可以看到页面中所有股票列表中的子元素也都被选中了，被绿色框框起来。

 

 

4、在提示框中，选择提取数据【元素中数据内容】。这时候，八爪鱼就将表格中的字段都提取下来了。

 

 

  

经过以上4步，【循环-提取数据】创建完成。流程区中自动生成了1个【循环-提取数据】步骤。循环中包含了页面上全部股票的行数，提取数据中包含了一个股票中的全部字段。

 

 

步骤3、编辑字段

 

八爪鱼自动为我们提取了列表中的所有字段，我们可以对这些字段进行删除、修改字段名称等操作。

鼠标双击到名称上，可修改字段名称。

鼠标移动到  按钮上，可对字段进行更多操作：删除、复制、格式化等。

 

 

步骤4、启动采集

 

1、点击【保存并启动】，选择【启动本地采集】。八爪鱼跳出采集窗口，我们可以看见采集窗口中在进行自动采集。

 

 

2、采集完成后，选择合适的导出方式导出数据。支持导出为Excel、CSV、HTML。这里导出为Excel。数据示例： 

 

 

 

作者：西瓜
编辑：Aisling