数据小白的福音！现成的爬虫软件帮你一键采集豆瓣短评信息数据

豆瓣是一个社区网站。该网站以书影音起家，提供关于书籍、电影、音乐等作品的信息，无论描述还是评论都由用户提供，是Web 2.0网站中具有特色的一个网站。而豆瓣电影电视剧等评论具有较大的参考价值，对做数据分析具有十分重要的意义，本文教大家如何简单的采集这些数据。

本文主要介绍如何使用后羿采集器的智能模式，免费采集豆瓣短评（碟中谍6-全面瓦解）的评论者、评论时间、评论内容等信息。

采集工具简介：

后羿采集器是一款基于人工智能技术的网络爬虫工具，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：

豆瓣是一个社区网站。该网站以书影音起家，提供关于书籍、电影、音乐等作品的信息，无论描述还是评论都由用户提供，是Web 2.0网站中具有特色的一个网站。网站还提供书影音推荐、线下同城活动、小组话题交流等多种服务功能，它更像一个集品味系统（读书、电影、音乐）、表达系统（我读、我看、我听）和交流系统（同城、小组、友邻）于一体的创新网络服务，一直致力于帮助都市人群发现生活中有用的事物。

采集字段：

评论者、发布时间、有用数、评论内容

功能点目录：

如何采集需要登录才能查看的网页

如何实现翻页功能

采集结果预览：

下面我们来详细介绍一下如何免费采集豆瓣短评数据，我们以《碟中谍6-全面瓦解》的豆瓣短评为例，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，下载并安装爬虫软件工具—后羿采集器软件

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云旗下产品，如果您是神箭手用户，可直接登录。

步骤二：新建采集任务

1、复制《碟中谍6-全面瓦解》豆瓣短评的网页（需要搜索结果页的网址，而不是首页的网址）

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。

步骤三：配置采集规则

1、设置预登录

豆瓣短评在用户未登录的情况下只能显示前10页的数据，如果用户需要采集更多的数据，需要登录后才能采集，因此我们需要先进行预登录，然后才能进行采集。

这里我们要使用到“预登录”功能，点击“预登录”按钮即可打开登录窗口，如下图所示。后羿采集器不会存储和上传您的账户信息，您可以放心使用此功能。

2、手动设置分页

豆瓣短评页面的翻页按钮比较特殊，智能模式无法直接识别元素采集下一页，此时系统会出现提示。

3、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。

我们需要采集豆瓣短评的评论者、发布时间、有用数及评论内容，由于星级评价元素比较特殊，后羿V2.1.22版本暂不支持采集此字段，后续版本中会实现这一功能，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。

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，可直接点击“启动”。

【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”。

【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。