网页文章正文采集方法,以微信文章采集为例
文章内容提取的有效技巧
文章内容提取的有效技巧在信息爆炸的时代，我们每天都会接触到大量的文章，无论是学习资料、工作文档还是新闻资讯等。
如何从这些繁杂的文字中快速、准确地提取出关键内容，成为了一项重要的技能。
掌握有效的文章内容提取技巧，不仅能帮助我们节省时间，提高效率，还能让我们更好地理解和把握重点，为进一步的思考和行动提供有力支持。
一、明确提取目的在开始提取文章内容之前，首先要明确自己的提取目的。
是为了获取某个具体的信息，还是为了了解文章的主旨大意？是为了做研究参考，还是为了向他人传达？不同的目的决定了我们提取内容的侧重点和详细程度。
比如，如果是为了快速了解一篇新闻报道的主要内容，我们可能只需要关注标题、开头段落和结尾段落，以及文中的关键语句；如果是为了深入研究某一学术论文，就需要仔细分析每一个段落的论点、论据和论证过程。
二、浏览文章结构在明确目的后，先快速浏览文章的结构，包括标题、目录、段落小标题、图表等。
标题往往能直接反映文章的主题；目录和段落小标题可以帮助我们了解文章的框架和逻辑层次；图表则能以直观的方式呈现重要的数据和信息。
通过对文章结构的初步了解，我们可以对文章的内容有一个大致的印象，知道哪些部分可能是重点，哪些部分可以略读。
三、抓住关键语句关键语句通常包括文章的开头句、结尾句、段落的中心句以及反复出现的词语或句子。
开头句和结尾句往往包含了作者的主要观点和结论；段落的中心句则概括了该段落的核心内容；反复出现的词语或句子往往是文章的重点强调之处。
例如，在一篇论述环境保护重要性的文章中，“保护环境是我们每个人的责任”这样的语句很可能就是关键句，它直接表达了文章的核心观点。
四、筛选重要信息根据提取目的，筛选出与目的相关的重要信息。
这需要我们具备一定的判断能力和知识储备，能够分辨哪些是有用的信息，哪些是无关紧要的细节。
比如，在一篇关于某种新型科技产品的介绍文章中，如果我们的目的是了解其工作原理，那么关于产品的外观设计、市场推广等方面的信息就可以暂时忽略。
采集文本素材的主要方法
采集文本素材的主要方法
文本素材的采集是指从线上或线下资源中收集文本信息，进行记录并存储，以便进行文本内容分析。
文本素材采集的主要方法如下：
一、搜索引擎采集
搜索引擎采集是指利用搜索引擎爬取相关信息，包括百度、Google、360等多种搜索引擎，通过设置关键词和类型爬取相关的文本素材，如微博、微信等。
二、社交媒体采集
社交媒体采集是指在社交媒体上收集文本素材，如在微博、微信、QQ等社交平台上收集信息，通过设置关键词和类型爬取。
三、数据库采集
数据库采集是指从数据库中抓取文本素材，如MySQL、Oracle等数据库，可以根据不同的表结构进行检索，获取想要的文本素材。
四、文件采集
文件采集是指从文件里获取文本素材，如word、txt、pdf等，可以使用相应的工具来解析文件，然后提取出文本素材。
五、API采集
API采集是指利用第三方提供的API接口来获取所需的文本素材，如果接口支持，可以抓取接口提供的数据，获取文本素材。
六、网站采集
网站采集是指从网站上抓取文本素材，这种方式最常用，可以根据不同的网站设置不同的规则，抓取网站上的相应数据，然后提取出文本素材。
以上就是采集文本素材的主要方法，文本素材采集的方式不仅仅局限于以上这些，也可以根据实际情况选择不同的采集方式，以获取更加准确的文本素材。
微信文章采集器使用方法详解
微信文章采集器使用方法详解对于某些用户来说，直接自定义规则可能有难度，所以在这种情况下，我们提供了网页简易模式，本文介绍八爪鱼简易采集模式下“微信文章采集”的使用教程以及注意要点。
微信公众号文章采集使用步骤步骤一、下载八爪鱼软件并登陆1、打开/download，即八爪鱼软件官方下载页面，点击图中的下载按钮。
2、软件下载好了之后，双击安装，安装完毕之后打开软件，输入八爪鱼用户名密码，然后点击登陆步骤二、设置微信文章爬虫规则任务1、进入登陆界面之后就可以看到主页上的网站简易采集了，选择立即使用即可。
2、进去之后便可以看到目前网页简易模式里面内置的所有主流网站了，需要采集微信公众号内容的，这里选择搜狗即可。
3、找到搜狗公众号这条爬虫规则，点击即可使用。
4、搜狗公众号简易采集模式任务界面介绍查看详情：点开可以看到示例网址任务名：自定义任务名，默认为搜狗公众号任务组：给任务划分一个保存任务的组，如果不设置会有一个默认组公众号URL列表填写注意事项：提供要采集的网页网址，即搜狗微信中相关公众号的链接。
多个公众号输入多个网址即可。
采集数目：输入希望采集的数据条数示例数据：这个规则采集的所有字段信息。
5、微信文章爬虫规则设置示例例如要采集相关旅游、美食的公众号文章在设置里如下图所示：任务名：自定义任务名，也可以不设置按照默认的就行任务组：自定义任务组，也可以不设置按照默认的就行商品评论URL列表：/weixin?type=1&s_from=input&query=电影&ie=utf8&_sug_=n&_sug_type_=/weixin?type=1&s_from=input&query=美食&ie=utf8&_sug_=n&_sug_type_=一行一个，使用回车（Enter）进行换行。
采集数目：可根据自身需求选填（当前默认）注意事项：URL列表中建议不超过2万条步骤三、保存并运行微信文章爬虫规则1、设置好爬虫规则之后点击保存。
获取原文的途径主要有
获取原文的途径主要有在现代信息时代，获取原文已经变得越来越容易。
下面是几种常见的获取原文的途径：1. 原文链接最直接的获取原文的方法就是通过原文链接。
很多新闻、博客或其他网站都会提供原文链接，只需点击链接即可阅读完整的原文。
通常，这些链接会在文章的开头或结尾处以超链接的形式给出。
2. 原文下载对于一些较长或需要保存的原文，可以考虑下载的方式获取。
很多网站提供了原文下载的选项，你只需点击下载按钮，将原文保存到本地设备中，随时随地查看。
3. 搜索引擎如果你只有原文的一小部分内容或者只记得一些关键词，可以通过搜索引擎来获取原文。
在搜索引擎的搜索框中输入关键词，点击搜索按钮，搜索引擎会为你提供相关的原文链接。
通过点击链接，你就可以获得完整的原文。
4. 公众号/博客订阅对于一些比较喜欢的公众号或博客，你可以选择订阅它们，以便及时获取它们发布的原文。
通过关注公众号或博客的订阅号，你可以收到更新通知，并直接在订阅号上阅读原文。
5. 软件应用一些软件应用也可以帮助你获取原文。
例如，一些新闻聚合类软件可以帮助你整合多个新闻源，提供原文获取的功能。
通过安装这些应用，你可以方便地获取原文。
6. 网站订阅功能一些网站提供了订阅功能，你可以通过提供你的邮箱地址来订阅该网站的文章。
一旦有新的原文发布，网站会通过邮件方式将原文发送给你，让你及时获取。
获取原文的途径有很多种，以上只是其中一些常见的方法。
根据具体情况选择合适的方法，你就可以轻松获取到你想要的原文了。
希望本文对你有所帮助！。
微信公众号内容采集方法详解
微信已成为大多数人每天生活工作的一部分，所以会花不少的时间浏览微信公众号的文章内容，里面的精品以及爆款文章不少，如果想把这些文章都采集下来，怎么办在手机上一篇一篇下载有不方便，这是不得不用一下科学高效的采集方法了。
下面介绍一个微信公众号内容采集的神奇方法。
很多时候，我们有采集网页文章正文的需求。
本文以搜狗微信文章为例，介绍使用八爪鱼采集网页文章正文的方法。
文章正文里一般包括文本和图片两种。
本文仅演示采集正文中本文的方法，图文采集会在另一篇教程中讲到。
本文将采集以下字段：文章标题、时间、来源和正文（正文中的所有文本，将合并到一个excel单元格中，将使用到“自定义数据合并方式”功能，请大家注意）。
以下为“自定义数据合并方式”详解教程，大家可先了解一下：/tutorialdetail-1/zdyhb_7.html采集网站：/使用功能点：分页列表信息采集 1）进入主界面，选择“自定义模式”微信公众号文章正文采集步骤12）将要采集的网址URL复制粘贴到网站输入框中，点击“保存网址” 微信公众号文章正文采集步骤2步骤2：创建翻页循环1）在页面右上角，打开“流程”，以展现出“流程设计器”和“定制当前操作”两个板块。
网页打开后，默认显示“热门”文章。
下拉页面，找到并点击“加载更多内容”按钮，在操作提示框中，选择“更多操作”微信公众号文章正文采集步骤32）选择“循环点击单个元素”，以创建一个翻页循环微信公众号文章正文采集步骤4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”微信公众号文章正文采集步骤5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。
文章内容提取的实用方法
文章内容提取的实用方法在信息爆炸的时代，我们每天都会接触到大量的文章，无论是工作中的报告、学术文献，还是生活中的新闻、小说等。
如何从这些纷繁复杂的文字中快速、准确地提取出关键内容，成为了一项非常重要的技能。
掌握有效的文章内容提取方法，不仅能够提高我们的阅读效率，还能帮助我们更好地理解和吸收知识。
接下来，我将为您介绍一些实用的文章内容提取方法。
一、明确阅读目的在开始阅读文章之前，首先要明确自己的阅读目的。
是为了获取某个具体的信息，还是为了解决某个问题，或者是为了对某个领域进行一般性的了解？明确阅读目的可以帮助我们在阅读过程中有针对性地关注重点内容，从而提高提取信息的效率。
例如，如果您是为了了解某个新产品的特点和优势，那么在阅读相关文章时，您就应该重点关注产品的功能、性能、价格等方面的信息；如果您是为了解决某个技术难题，那么在阅读技术文章时，您就应该重点关注问题的描述、解决方案的步骤和原理等内容。
二、快速浏览文章在明确阅读目的之后，不要马上逐字逐句地阅读文章，而是先快速浏览一遍。
快速浏览的目的是对文章的结构和大致内容有一个初步的了解。
在快速浏览的过程中，我们可以重点关注文章的标题、副标题、段落开头和结尾、图表等内容。
通过快速浏览，我们可以了解文章的主题、主要观点和大致的结构框架。
同时，我们还可以发现文章中哪些部分与我们的阅读目的相关，哪些部分可以暂时忽略。
这样，在后续的精读过程中，我们就可以更加有针对性地阅读重点内容，节省时间和精力。
三、抓住关键语句在阅读文章的过程中，要善于抓住关键语句。
关键语句通常包括文章的主旨句、段落的中心句、结论性的语句等。
这些语句往往能够概括文章的主要内容或者表达作者的核心观点。
主旨句一般出现在文章的开头或结尾，段落的中心句通常出现在段落的开头或结尾。
例如，很多议论文的开头会提出论点，结尾会总结论点；说明文的开头会介绍说明的对象和主要内容，结尾会对说明的内容进行总结和归纳。
文章内容提取的实用方法
文章内容提取的实用方法在信息爆炸的时代，我们每天都会接触到大量的文章，无论是工作中的报告、学术研究的文献，还是网络上的各种资讯。
如何从这些纷繁复杂的文字中快速、准确地提取出关键内容，成为了一项至关重要的技能。
下面，我将为您介绍一些实用的文章内容提取方法。
一、明确提取目的在开始提取文章内容之前，首先要明确自己的提取目的。
是为了获取主要观点？还是寻找特定的信息？亦或是为了总结归纳？不同的目的决定了我们关注的重点和提取的方式。
例如，如果您是为了写一篇综述文章，那么您需要提取多篇相关文章的核心观点和重要论据；如果您是为了解决某个具体问题，那么您应该着重寻找与问题直接相关的解决方案和相关数据。
二、快速浏览文章结构拿到一篇文章后，不要急于逐字逐句阅读，而是先快速浏览文章的标题、目录、段落小标题、开头和结尾等部分，了解文章的大致结构和主要内容。
标题往往能够反映文章的主题；目录可以让您对文章的框架有一个清晰的认识；段落小标题则提示了各个部分的重点；开头通常会引出主题并阐述文章的背景和目的；结尾则可能会总结主要观点或提出展望。
通过对这些部分的浏览，您可以初步判断文章的价值和与自己需求的相关性，从而决定是否需要进一步深入阅读。
三、抓住关键语句在阅读文章的过程中，要善于抓住关键语句。
关键语句通常包括中心句、总结句、过渡句等。
中心句一般能够概括段落的主要内容，往往出现在段落的开头或结尾；总结句则对整篇文章或某个部分进行总结归纳；过渡句起到承上启下的作用，能够帮助您理解文章的逻辑关系。
例如：“综上所述，……”“由此可见，……”“然而，……”等都是常见的关键语句的标志。
四、标注重点内容为了便于后续的整理和回顾，可以在阅读时使用不同的符号或颜色标注重点内容。
比如，用下划线标注重要的观点，用波浪线标注关键的数据，用圆圈标注需要进一步思考的问题等。
这样，在提取内容时，您可以快速找到标注的部分，提高工作效率。
五、提取核心概念和关键词核心概念和关键词是文章的精髓所在。
文章内容提取的技巧总结
文章内容提取的技巧总结在信息爆炸的时代，我们每天都会接触到大量的文章，如何从这些纷繁复杂的文字中快速、准确地提取出关键内容，成为了一项非常重要的技能。
掌握有效的文章内容提取技巧，不仅能够帮助我们提高阅读效率，还能让我们更好地理解和把握文章的主旨。
下面，我将为大家总结一些实用的文章内容提取技巧。
一、明确阅读目的在开始阅读文章之前，首先要明确自己的阅读目的。
是为了获取某个具体的信息，还是为了了解文章的整体观点？明确目的可以让我们在阅读过程中更有针对性，避免被无关的内容分散注意力。
比如，如果我们是为了寻找解决某个问题的方法，那么在阅读时就可以重点关注与问题相关的段落和语句。
二、浏览文章结构在深入阅读文章之前，先快速浏览一下文章的结构，包括标题、副标题、段落标题、开头和结尾等。
通过浏览这些部分，我们可以大致了解文章的主题和框架，以及各个部分的主要内容。
这有助于我们在后续的阅读中更好地把握文章的脉络。
三、抓住关键语句文章中往往会有一些关键语句，这些语句能够直接表达文章的核心观点或重要信息。
关键语句通常出现在段落的开头或结尾，也可能是一些总结性的语句。
比如，“综上所述”“总之”“由此可见”等词语后面的内容往往是重点。
此外，一些带有强调语气的语句，如“必须”“重要的是”“关键在于”等，也值得我们特别关注。
四、注意文章的逻辑关系文章通常会按照一定的逻辑顺序来组织内容，比如因果关系、并列关系、递进关系等。
了解文章的逻辑关系可以帮助我们更好地理解内容，并快速提取出关键信息。
例如，如果文章是按照因果关系来论述的，那么我们就要重点关注原因和结果的表述；如果是并列关系，就要分别把握各个并列部分的要点。
五、学会概括和总结在阅读的过程中，要学会对文章的内容进行概括和总结。
可以用自己的话将每个段落的主要内容简要地记录下来，这样在读完文章后，通过回顾这些记录，就能快速回忆起文章的重点。
同时，也要注意对整篇文章进行总结，提炼出文章的核心观点和主要内容。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
网页文章正文采集方法，以及微信文章采集为例当我们想要将今日头条上的新闻、搜狗微信上的文章正文内容保存下来的时候，怎么办？一篇篇复制粘贴？选择一款通用的网页数据采集器，将会使工作简单很多。
八爪鱼是一款通用的网页数据采集器，可采集互联网上的公开数据。
用户可以设置从哪个网站爬取数据，爬取那些数据，爬取什么范围的数据，什么时候去爬取数据，爬取的数据如何保存等等。
言归正传，本文将以搜狗微信的文章正文采集为例，讲解使用八爪鱼采集网页文章正文的方法。
文章正文采集，主要有两大类情况：一、采集文章正文中的文本，不含图片；二、采集文章正文中的文本和图片URL。
示例网站：/使用功能点：Xpath/search?query=XPath判断条件/tutorialdetail-1/judge.html分页列表信息采集/tutorial/fylb-70.aspx?t=1AJAX滚动教程/tutorialdetail-1/ajgd_7.htmlAJAX点击和翻页/tutorialdetail-1/ajaxdjfy_7.html一、采集文章正文中的文本，不含图片具体步骤：步骤1：创建采集任务1）进入主界面，选择“自定义模式”网页文章正文采集步骤12）将要采集的网址URL复制粘贴到网站输入框中，点击“保存网址”网页文章正文采集步骤2步骤2：创建翻页循环1）在页面右上角，打开“流程”，以展现出“流程设计器”和“定制当前操作”两个板块。
网页打开后，默认显示“热门”文章。
下拉页面，找到并点击“加载更多内容”按钮，在操作提示框中，选择“更多操作”网页文章正文采集步骤32）选择“循环点击单个元素”，以创建一个翻页循环网页文章正文采集步骤4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”网页文章正文采集步骤5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。
具体请看AJAX点击和翻页教程：/tutorialdetail-1/ajaxdjfy_7.html观察网页，我们发现，通过5次点击“加载更多内容”，页面加载到最底部，一共显示100篇文章。
因此，我们设置整个“循环翻页”步骤执行5次。
选中“循环翻页”步骤，打开“高级选项”，打开“满足以下条件时退出循环”，设置循环次数等于“5次”，点击“确定”网页文章正文采集步骤6步骤3：创建列表循环并提取数据1）移动鼠标，选中页面里第一条文章链接。
系统会自动识别相似链接，在操作提示框中，选择“选中全部”网页文章正文采集步骤72）选择“循环点击每个链接”网页文章正文采集步骤83）系统会自动进入文章详情页。
点击需要采集的字段（这里先点击了文章标题），在操作提示框中，选择“采集该元素的文本”。
文章发布时间、文章来源字段的采集方法同理网页文章正文采集步骤94）接下来开始采集文章正文。
先点击文章正文的第一段，系统会自动识别页面内的同类元素，选择“选中全部”网页文章正文采集步骤105）可以看到，所有的正文段落均被选中，变为绿色。
选择“采集以下元素文本”网页文章正文采集步骤11注意：在字段表中，可进行字段的自定义修改网页文章正文采集步骤126）经过如上操作，正文就会被全部采集下来（默认为每一段正文为一个单元格）。
一般而言，我们希望采集的正文，合并为同一个单元格。
点击“自定义数据字段”按钮，选择“自定义数据合并方式”，勾选“同一字段多次提取合并为一行，即追加到同一字段，例如正文分页合并”，再点击“确定”网页文章正文采集步骤13“自定义数据字段”按钮网页文章正文采集步骤14选择“自定义数据合并方式”网页文章正文采集步骤15如图进行勾选步骤4：修改Xpath1）选中整个“循环步骤”，打开“高级选项”，可以看到，八爪鱼默认生成的是固定元素列表，定位的是前20篇文章的链接网页文章正文采集步骤162）在火狐浏览器中打开要采集的网页并观察源码。
我们发现，通过此条Xpath：//DIV[@class='main-left']/DIV[3]/UL/LI/DIV[2]/H3[1]/A，页面中所需的100篇文章均被定位了网页文章正文采集步骤173）将修改后的Xpath，复制粘贴到八爪鱼中所示位置，然后点击“确定”网页文章正文采集步骤18步骤5：修改流程图结构我们继续观察，通过5次点击“加载更多内容”后，此网页加载出全部100篇文章。
因而我们配置规则的思路是，先建立翻页循环，加载出全部100篇文章，再建立循环列表，提取数据1）选中整个“循环”步骤，将其拖出“循环翻页”步骤。
如果不进行此项操作，那么将会出现很多重复数据网页文章正文采集步骤19拖动完成后，如下图所示网页文章正文采集步骤20步骤6：数据采集及导出1）点击左上角的“保存”，然后点击“开始采集”，选择“启动本地采集”网页文章正文采集步骤212）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”，将采集好的数据导出网页文章正文采集步骤223）这里我们选择excel作为导出为格式，数据导出后如下图网页文章正文采集步骤234）如上图，部分文章的正文没有采集到。
那是因为，系统自动生成的文章正文的循环列表的Xpath：//[@id="js_content"]/P，定位不到此篇文章的正文。
将Xpath修改为：//[@id="js_content"]//P，所有的文章正文均可被定位到。
再次启动采集，所有文章的正文内容，均被采集到了网页文章正文采集步骤24修改Xpath前网页文章正文采集步骤25修改Xpath后经过如上操作，目标网址中的微信文章正文中的全部文本被采集下来。
如果还需采集图片，则需往已有的规则中，加入一个判断条件。
二、采集文章正文中的文本和图片URL接一中的步骤6步骤7：增加判断条件经过前6个步骤，我们仅采集了微信文章里的文本内容，并不包括文章里的图片。
如果需要采集图片，则需往规则里加入一个判断条件：对文章内容列表进行判断，如果包含img 元素（图片），则执行图片采集分支；如果不包含img元素（图片），则执行文本采集分支。
同时，在八爪鱼中，默认对左侧分支，设置判断条件，满足此判断条件，则执行左侧分支；默认最右侧分支为“不判断，总是执行该分支”，即当不满足左侧分支的判断条件时，则执行最右侧分支。
回到此规则，即对左侧分支设置条件：如果包含img元素（图片），则执行左侧分支；如果不满足左侧条件分支的条件（即不包含img元素），则执行右侧分支。
具体操作如下：1）从左侧工具栏，往流程中拖入一个“判断条件”步骤（选定图标拖住不放，拖入箭头所示的绿色加号位置）网页文章正文采集步骤262）流程图中出现判断条件。
我们将“提取数据”步骤，移动到右侧分支中（绿色加号处）。
再点击右侧分支，在出现的结果页面（分支条件检测结果-检测结果总是True）点击“确定”网页文章正文采集步骤27将“提取元素”步骤，拖入右侧分支网页文章正文采集步骤28右侧分支-检测结果总是True3）点击左侧分支，在出现的结果页面（分支条件检测结果-检测结果总是True）点击“确定”。
然后对其设置判断条件：勾选“当前循环项包含元素”，输入元素Xpath：//img （代表图片），再点击“确定”网页文章正文采集步骤29点击左侧分支对左侧分支，设置判断条件网页文章正文采集步骤304）左侧分支条件设置完毕后，再进行提取数据步骤。
从左侧工具栏，拖入一个“提取数据”步骤，到流程图中的左侧分支中（绿色加号处），然后选中页面内一张图片，在操作提示框中，选择“采集该图片地址”拖入新的“提取数据”步骤，到左侧分支网页文章正文采集步骤31采集图片地址网页文章正文采集步骤325）选中右侧分支的“提取数据”步骤，点击“自定义数据字段”按钮，选择“自定义定位元素方式”，将红框中的“元素匹配的Xpath”：//*[@id="js_content"]/p[1]/span[1]与“相对Xpath”：/span[1]，记录下来自定义定位元素方式网页文章正文采集步骤33元素匹配的Xpath、“相对Xpath”网页文章正文采集步骤346）选中左侧分支的“提取数据”步骤，点击“自定义数据字段”按钮，选择“自定义定位元素方式”，参照右侧分支相同位置的Xpath进行修改：“元素匹配的Xpath”改为：//*[@id="js_content"]/p[1]/img[1]，“相对Xpath”改为：/img[1]，然后点击“确定”网页文章正文采集步骤357）选中左侧分支的“提取数据”步骤，点击“自定义数据字段”按钮，选择“自定义数据合并方式”，如图进行勾选。
勾选后，多次提取的正文将追加为一个字段网页文章正文采集步骤368）注意，在八爪鱼中，判断条件里各分支中的“提取数据”步骤中的字段名需相同，字段个数需一致。
这里，我们将左右两个分支中，提取的字段名均改为“正文”（判断条件教程，网页文章正文采集步骤379）如上，整个判断条件设置完毕。
点击左上角的“保存”并“开始采集”。
我们发现，在导出的excel表格中，图片地址为一堆乱码。
这是为什么呢？继续观察网页——搜狗微信文章正文里的图片，需下拉滚动，才能加载出来，加载出来后才能采集到正确的图片地址。
因而，在打开文章后，需对其进行设置“页面加载完成后向下滚动”。
在这里，设置滚动次数为“30次”，每次间隔“2秒”，滚动方式为“向下滚动一屏”网页文章正文采集步骤38微信文章正文里的图片，需下拉滚动，才能加载出来设置“页面加载完成后向下滚动”网页文章正文采集步骤39注意：这里的滚动次数、时间、方式的设置，会影响采集数据的速度、质量。
本文仅做参考，大家可按需设置可参考AJAX滚动教程：/tutorialdetail-1/ajgd_7.html 10）重新启动采集，并导出数据，数据导出后如图所示：网页文章正文采集步骤40导出数据数据示例说明：因搜狗微信文章中的图片，需经过下拉滚动，方可加载出来。
在采集过程中，大量时间用在等待图片加载，因而采集速度较慢。
如果没有采集图片的需求，直接使用文本采集，无需等待图片加载，采集速度会快很多。
相关采集教程：百度搜索结果采集新浪微博数据采集豆瓣电影短评采集八爪鱼——70万用户选择的网页数据采集器。
1、操作简单，任何人都可以用：无需技术背景，会上网就能采集。
完全可视化流程，点击鼠标完成操作，2分钟即可快速入门。
2、功能强大，任何网站都可以采：对于点击、登陆、翻页、识别验证码、瀑布流、Ajax脚本异步加载数据的网页，均可经过简单设置进行采集。