一步步教您学会大数据采集之小说数据采集教程
Posted houyicaijiqi
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了一步步教您学会大数据采集之小说数据采集教程相关的知识，希望对你有一定的参考价值。
本文介绍如何使用后羿采集器的智能模式，免费采集乐文小说网上的小说数据。
采集工具简介：
后羿采集器（www.houyicaiji.com）是一款基于人工智能技术的网页采集器，只需要输入网址就能够自动识别网页数据，无需配置即可完成数据采集，是业内首家支持三种操作系统（包括Windows、Mac和Linux）的网络爬虫软件。
该软件是一款真正免费的数据采集软件，对采集结果导出没有任何限制，没有编程基础的小白用户也可轻松实现数据采集要求。
官方网址：http://www.houyicaiji.com/
采集对象简介：
乐文小说网（/www.lewenxiaoshuo.com）以立志做最好的网络小说分享平台为目标，网站上拥有许多网友上传的免费小说，为许多小说爱好者提供一个交流的平台。
采集字段：
章节名称、章节链接、章节内容
功能点目录：
采集结果预览：
下面我们来详细介绍一下如何免费采集乐文小说网小说数据，我们以《武破九霄》为例，具体步骤如下：
步骤一：下载安装后羿采集器，并注册登录
1、打开后羿采集器官网，下载并安装最新版的后羿采集器
2、点击注册登录，注册新账号，登录后羿采集器
【温馨提示】您可以直接使用此款爬虫软件，不需要进行注册，但是匿名账户下的任务在切换到注册用户时会丢失，因此建议您注册后使用。
后羿采集器为神箭手旗下产品，神箭手用户可直接登录。
步骤二：新建采集任务
1、复制乐文小说网《武破九霄》网页地址（需要搜索结果页的网址，而不是首页的网址）
点此了解关于如何正确地输入网址。
2、新建智能模式采集任务
您可以在软件上直接新建采集任务，也可以通过导入规则来创建任务。
点此了解如何导入和导出采集规则。
后羿V2.1.23版本暂时乐文小说网的智能识别还不够准确，在这种情况下我们可以手动设置列表识别。
步骤三：配置采集规则
1、设置提取数据字段
在智能模式下，我们输入网址后软件即可自动识别出页面上的数据并生成采集结果，每一类数据对应一个采集字段，我们可以右击字段进行相关设置，包括修改字段名称、增减字段、处理数据等。
点此了解如何对采集字段进行配置。
在列表页上，我们需要采集《武破九霄》的章节名称及章节链接，字段设置效果如下：
2、使用深入采集功能提取详情页数据
在列表页上展示出了小说的章节名称和章节链接，如果需要章节内容，我们需要右击章节链接，然后使用“深入采集”功能，跳转到详情页进行采集。
点此深入了解如何采集列表+详情页类型网页。
在详情页面我们可以看到小说的具体内容，我们可以点击“添加字段”添加采集字段，字段设置效果如下：
步骤四：设置并启动采集任务
1、设置采集任务
完成了采集数据添加，我们可以开始启动采集任务了。在启动之前我们需要对采集任务进行一些设置，从而提高采集的稳定性和成功率。
点击“设置”按钮，在弹出的运行设置页面中我们可以进行运行设置和防屏蔽设置，这里我们勾选“跳过继续采集”，设置“2”秒请求等待时间，勾选“不加载网页图片”，防屏蔽设置就按照系统默认设置，然后点击保存。
点此深入了解如何对采集任务进行配置。 
2、启动采集任务
点击“保存并启动”按钮，可在弹出的页面中进行一些高级设置，包括定时启动、自动入库和下载图片，本次示例中未使用到这些功能，直接点击“启动”运行爬虫工具。
点此深入了解什么是定时采集。
点此深入了解什么是自动入库。
点此深入了解如何下载图片。
【温馨提示】免费版本可以使用非周期性定时采集功能，下载图片功能是免费的。个人专业版及以上版本可以使用高级定时功能和自动入库功能。
3、运行任务提取数据
任务启动之后便开始自动采集数据，我们从界面上可以直观的看到程序运行过程和采集结果，采集结束之后会有提醒。
步骤五：导出并查看数据
数据采集完成后，我们可以查看和导出数据，后羿采集器支持多种导出方式（手动导出到本地、手动导出到数据库、自动发布到数据库、自动发布到网站）和导出文件的格式（EXCEL、CSV、html和TXT），我们选择自己需要方式和文件类型，点击“确认导出”。
点此深入了解如何查看和清空采集数据。
点此深入了解如何导出采集结果。
【温馨提示】：所有手动导出功能都是免费的。个人专业版及以上版本可以使用发布到网站功能。
再为您推荐几个采集教程：
声明：
本教程所采集的网站及内容，仅作为示例教程使用，不涉及商业用途，如果侵犯您的权利，请与我们联系，谢谢！
以上是关于一步步教您学会大数据采集之小说数据采集教程的主要内容，如果未能解决你的问题，请参考以下文章