京东商品列表采集

Posted 2022-12-12 八爪鱼大数据

采集场景

在京东搜索页 https://search.jd.com/Search 输入关键词搜索，采集搜索后得到的多个商品列表数据。

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

采集字段

商品名称、商品描述、商品详情、价格、评论数、店铺名称、店铺链接等字段。

采集结果

采集结果可导出为Excel，CSV，html，数据库等多种格式。导出为Excel示例：

教程说明

本篇制作时间：2020/4/24 八爪鱼版本：V8.1.8

如果因网页改版造成网址或步骤无效，无法采集到目标数据，请联系官方客服，我们将及时修正。

采集步骤

步骤一、打开网页

步骤二、批量输入多个关键词并搜索

步骤三、创建【循环列表】，采集所有商品列表中的数据

步骤四、编辑字段

步骤五、创建【循环翻页】，采集多页数据

步骤六、设置滚动和修改【循环翻页】XPath

步骤七、启动采集

以下为具体步骤：

步骤一、打开网页

在首页【输入框】中输入目标网址 https://search.jd.com/Search ，点击【开始采集】，八爪鱼自动打开网页。

特别说明：

a. 打开网页后，如果开始【自动识别】，请点击【不再自动识别】或【取消识别】将其关掉。因为本文不适合使用【自动识别】。

b. 【自动识别】适用于自动识别网页上的列表、滚动和翻页，识别成功后直接启动采集即可获取数据。详情点击查看 【自动识别】教程

步骤二、批量输入多个关键词并搜索

打开网页后，通过以下几步，实现批量输入多个关键词。

1、输入1个关键词并搜索

2、批量输入多个关键词

1、输入1个关键词并搜索

选中京东搜索框，在操作提示框中，点击【输入文本】，输入关键词并保存。

选中【搜索】按钮，在操作提示框中，点击【点击该按钮】，出现关键词的搜索结果。

2、批量输入多个关键词

① 在【打开网页1】步骤后，添加一个【循环】。

② 将【输入文本】和【点击元素】都拖入【循环】中。

③ 进入【循环】设置页面。选择循环方式为【文本列表】，点击 按钮，将我们准备好的关键字输进去（可同时输入多个关键字，一行一个即可）后保存。

④ 进入【输入文本】设置页面，勾选【使用当前循环里的文本来填充输入框】后保存。

特别说明：

a. 示例中输入的关键词是【耐克】、【阿迪达斯】、【李宁】和【安踏】，可根据自身需求进行替换。

b. 一次最多输入2W个关键字。可先准备一个包含多个关键字的文档，然后将其复制粘贴进八爪鱼中。

步骤三、创建【循环列表】，采集所有商品列表中的数据

通过以下连续4步，采集所有商品列表中的数据：

1、选中页面上1个商品列表（注意一定要选中整个列表，包含所有所需字段）

2、在黄色操作提示框中，点击【选中子元素】

3、点击【选择全部】

4、点击【采集数据】

特别说明：

a. 经过以上连续4步，【循环-提取数据】创建完成。【循环】中的项，对应着页面上所有商品列表，【提取数据】中的字段，对应着每个商品列表中的字段。启动采集以后，八爪鱼就会按照循环中的顺序依次提取每个列表中的字段。

b. 为何通过以上4步，可建立【循环-提取数据】？详情点击查看 列表数据采集教程 。

步骤四、编辑字段

在【当前页面数据预览】页面，可删除多余字段，修改字段名，移动字段顺序等。

步骤五、创建【循环翻页】，以采集多页数据

1、创建循环翻页

如果只是采集一页数据，可跳过此步骤。

如果需要翻页以采集多页数据：选择页面中的【下一页】按钮，在操作提示上单击【循环点击下一页】，创建【循环翻页】。

特别说明：

a. 创建【循环翻页】后，八爪鱼会自动点击【下一页】按钮进行翻页，从第1页，第2页…直到最后1页。如果只需采集特定页的数据，可在八爪鱼中设置循环翻页的次数，详情点击查看 翻页以采集多页数据教程。

b. 在选中【下一页】范围时，选中的范围不同，弹出的提示也不同。如果选中的是最里层的文字【下一页】，黄色操作提示框中弹出的提示是【循环点击下一页】。如果选中的是最整个【下一页】按钮，黄色操作提示框中弹出的提示是【循环点击单个链接】。两者的作用相同，都是为了实现翻页。

步骤六、设置滚动和修改【循环翻页】XPath

1、设置滚动

点击搜索和翻页后，京东默认只显示前30个商品列表。向下滚动页面到底部，才会加载出全部60个商品列表，在八爪鱼中也需设置滚动。

进入【点击元素】和【点击翻页】设置页面，点开【页面加载后】，设置【页面加载后向下滚动】，滚动方式为【向下滚动一屏】，【滚动次数】为6次，【每次间隔】2秒 ，设置后保存。

2、修改【循环翻页】XPath

默认的【循环翻页】XPath会在最后一页重复翻页，导致其他关键词无法输入并采集，需修改【循环翻页】XPath。

进入【循环翻页】设置页面，修改XPath为：//a[@class=“pn-next”]/EM[text()=“下一页”] 。

特别说明：

a. 为什么会不结束翻页？这是因为【循环翻页】默认生成的XPath，在最后1页时，仍然能定位到【下一页】按钮，这就会导致其一直点击【下一页】按钮，不结束翻页。为了解决这个问题，我们需要手动写一条XPath，使之在当前页为非最后一页时，都能定位到【下一页】按钮，以实现不断点击【下一页】按钮进行翻页。同时在当前页为最后一页时，不定位到【下一页】按钮，以结束翻页。这里需要一定的XPath知识。点击查看 XPath学习与实例教程

b. 设置中的滚动次数和时间间隔，请根据采集需求和网页加载情况进行设置，并非是一成不变的，具体请点击查看 处理滚动加载数据的网页教程

步骤七、启动采集

1、单击【采集】并【启动本地采集】。启动后八爪鱼开始自动采集数据。

特别说明：

a. 【本地采集】是使用自己的电脑进行采集，【云采集】是使用八爪鱼提供的云服务器采集，点击查看 本地采集与云采集详解。

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、数据库等。这里导出为Excel。

数据示例：