怎样采集微博大V评论信息【百科全说】

怎样采集微博大V评论信息

操作方法

01

步骤1：创建采集任务 1）进入主界面，选择“自定义模式”
02

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”
03

步骤2：创建翻页循环 1）系统自动打开网页，进入微博。观察网页结构，当把页面下拉至底部的时候，会出现“正在加载中，请稍后”的字样，随着我们的下拉，页面会有新的数据加载出来。经过2次下拉加载，此页面达到最底部，出现“下一页”按钮
04

此网页涉及Ajax下拉加载，需要对其进行一些高级选项的设置。打开“高级选项”，勾选“页面加载完成后向下滚动”，设置滚动次数为“4次”，每次间隔“3秒”，滚动方式为“直接滚动到底部”，最后点击“确定”
05

注意：这里的滚动次数及间隔时间，需要针对网站进行设置。测试方法可以参考：八爪鱼7.0教程——AJAX滚动教程 2）将页面下拉到底部，点击“下一页”按钮，在右侧的操作提示框中，选择“循环点击下一页”
06

与“打开网页”类似，此步骤同样涉及Ajax下拉加载。打开“高级选项”，勾选“页面加载完成后向下滚动”，设置滚动次数为“4次”，每次间隔“3秒”，滚动方式为“直接滚动到底部”，最后点击“确定”
07

步骤3：创建列表循环 1）移动鼠标，选中页面里的第一条微博链接。选中后，系统会自动识别页面里的其他相似链接。在右侧操作提示框中，选择“选中全部”
08

2）选择“循环点击每个链接”，以创建一个列表循环
09

3）系统会自动点击进入第一条微博的详情页。观察网页结构，微博评论页面，需经过1次下拉加载，才会出现“查看更多”按钮。此步骤也涉及Ajax下拉加载。打开“高级选项”，勾选“页面加载完成后向下滚动”，设置滚动次数为“1次”，每次间隔“3秒”，滚动方式为“直接滚动到底部”，最后点击“确定”
10

步骤4：提取微博信息 1）微博详情页中，我们想采集博主ID、发博时间、微博内容、微博URL和微博评论。点击要采集的字段，在右侧的操作提示框中，选择“采集该元素的文本”（采集微博URL，则选择“采集该链接地址”）
11

2）字段信息选择完成后，选中相应的字段，可以进行字段的自定义命名。完成后，点击“确定”
12

步骤5：提取微博评论 1）下拉页面，找到并点击“加载更多”按钮。在操作提示框中，选择“更多操作
13

2）选择“循环点击单个元素”
14

由于此网页涉及Ajax技术，我们需要进行一些高级选项的设置。选中“点击元素”步骤，打开“高级选项”，勾选“Ajax加载数据”，设置时间为“2秒”
15

注：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。表现特征：a、点击网页中某个选项时，大部分网站的网址不会改变；b、网页不是完全加载，只是局部进行了数据加载，有所变化。验证方式：点击操作后，在浏览器中，网址输入栏不会出现加载中的状态或者转圈状态。 3）选中页面中第一个评论区块，系统会自动识别出页面中的其他同类元素。在操作提示框中，选择“选中全部”，以建立一个列表循环
16

4）我们可以看到，页面中所要采集的微博评论区块均被选中，变为绿色。选择“采集以下元素文本”
17

5）字段选择完成后，选中相应的字段，可以进行字段的自定义命名。完成后，点击“确定”
18

步骤6：调整流程图结构回顾采集过程，操作思路是：打开要采集的网页>建立微博链接的翻页循环>建立微博链接的循环列表>点击微博链接，进入微博详情页>建立微博评论的翻页循环>建立微博评论的列表循环>提取微博评论已有的流程图没有遵循此逻辑，我们需要手动调整一下流程图结构。 1）选中“循环”步骤（微博链接的循环列表），将其拖入到第1个“循环翻页”和到第2个“循环翻页”之间
19

2）选中“循环翻页”步骤（微博评论的循环翻页），将其拖入到“循环”（微博链接的循环列表）步骤中的“提取数据”后
20

3）选中“循环”步骤（微博评论的列表循环），将其拖入到“循环翻页”（微博评论的循环翻页）步骤后。因为微博特殊的网页结构，我们需要先点击“查看更多”，将所有的评论加载出来，然后再提取评论。如果不做调整，会出现很多重复数据
21

最终流程图，如图所示
22

4）点击左上角的“保存并启动”，选择“启动本地采集”
23

步骤7：数据采集及导出 1）采集完成后，会跳出提示，选择“导出数据”。选择“合适的导出方式”，将采集好微博发博数据导出
24

2）这里我们选择excel作为导出为格式，数据导出后如下图

怎样采集微博大V评论信息

操作方法

相关推荐