淘宝数据采集器怎么使用

淘宝数据采集器怎么使用淘宝是目前电子商务人员需要提取数据比较常见的网站，淘宝数据采集下来有很多作用，比如监控竞争对手产品价格、SKU等数据，从而为自己产品定价提供支持。

下面本文介绍淘宝数据采集能提取哪些数据以及如何使用。

淘宝数据采集器能提取到哪些数据？一般来说，淘宝数据采集器能采集到：产品名称、类别、产品原价、销售价格、网址、评论、卖家信息、搜索关键词等数据。

下面介绍使用八爪鱼采集器去采集淘宝卖家数据的方法，只需配置采集规则，就能自定义采集自身需要的淘宝数据。

采集网站：https:///search?app=shopsearch&q=江小白&isb=0&shop_type=&ratesum=步骤1：创建淘宝采集任务1）进入主界面，选择“自定义采集”淘宝数据采集器使用步骤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”淘宝数据采集器使用步骤2步骤2：创建翻页循环1）打开网页之后，找到页面最下方的“下一页”创建翻页循环，如下图淘宝数据采集器使用步骤3点击下一页，在操作提示中选择循环点击下一页，以此生成循环翻页。

注意：有时点击下一页并不会出现循环点击下一页，但若此时出现循环点击单个链接,则可以选则循环点击单个链接（或元素），其功能和循环点击下一页相同。

淘宝数据采集器使用步骤4步骤3：创建循环列表1）将鼠标移动到页面上方（蓝色表示点击后会选中的元素），选择页面某一行数据（包含的字段进可能全），如图蓝色部分，然后点击。

淘宝数据采集器使用步骤52）点击后继续选择下一行同类型的数据，如图:淘宝数据采集器使用步骤6再次点击，操作提示中出现已选中XX个元素，以下是列表。

此时点击采集以下元素。

淘宝数据采集器使用步骤73）至此循环列表创建完毕。

淘宝数据采集器使用步骤8步骤4：提取数据设置1）自动生成的数据字段会将匹配到的文本和链接都抓取上，其中不需要的字段可点击选中后删除。

淘宝数据采集器使用步骤9注：若太多字段是自己不需要的，可点中某一个字段后，同时按住键盘上的Ctrl 和A，即可选中全部字段，然后点击下方的“删除数据字段”。

淘宝数据采集器使用步骤10删除字段后再一个个选择自己需要的字段。

如图，选中后点击，然后需求选择“采集该链接的文本”或“采集该链接地址”还是“采集该元素的文本”。

此时一般不要点击“选中全部”，点“选中全部”后会再生成一个循环提取数据。

之前步骤3中的操作已建立好了循环列表。

故不需要再次建立。

淘宝数据采集器使用步骤112）删除不需要字段（或点击采集所需字段）后，对现有字段进行重命名。

淘宝数据采集器使用步骤123）命名后检查字段发现部分字段缺失。

如“城市”“店铺ID”“店铺类型”。

淘宝数据采集器使用步骤134）对于“城市”，检查页面发现在第三行数据中有相应信息。

则先在循环列表的循环项中选中第三项（蓝色表示已选中），然后再点击提取数据。

淘宝数据采集器使用步骤14淘宝数据采集器使用步骤151）选中第三项进行提取时发现其省份和城市在一起，无法单独提取。

如需分成两个字段，则需要进行数据格式，通过正则表达来实现。

2）选中字段后点击下方的自定义数据字段。

淘宝数据采集器使用步骤163）数据格式化操作参照请参考下方动图。

如需完整的格式教程请参考：/tutorialdetail-1/gshsj_7.html淘宝数据采集器使用步骤174）对于“店铺ID”，先弄清楚“店铺ID”是个什么类型的数据，然后页面上未展现，则看看网页源码里是否有这个数据。

百度后可知“店铺ID”是shop后接一串数字的数据，如“shop123123123”。

查看源码，发现可以找到该信息。

5）准备工具：火狐浏览器（54版或之前版本），安装firebug和firepath插件。

其他工具能查看源码斌顺利写XPath也可以。

A. 在浏览器中打开网页，然后找到对应的数据区域B. 逐个检查该区域源码，找到符合要求是数据。

淘宝数据采集器使用步骤18C. 根据目标数据——点评ID，所在位置写出其XPath路径。

此处的XPath路径为：//li/a[@trace="shop"]淘宝数据采集器使用步骤199）点击网页图片选择抓取图片地址（选择其他的也可以，重点是生成一个数据字段并含有相对XPath）。

淘宝数据采集器使用步骤2010）选择自定义字段，对该字段进行XPath和提取方式的修改。

淘宝数据采集器使用步骤21A.修改XPath，选择“自定义元素定位方式”，然后将相对XPath替换为之前在浏览器中写好的XPath——//li/a[@trace="shop"]淘宝数据采集器使用步骤22淘宝数据采集器使用步骤23淘宝数据采集器使用步骤24B：修改该字段的抓取方式，选择“自定义抓取方式”淘宝数据采集器使用步骤25此处选择“抓取超链接（A标签的href）”，因为该店铺ID 在其href属性下。

如果我们需要的数据在其他属性中，也可以通过上方的“抓取元素的指定属性值”来获取。

要是均不能获取到，则选择抓取网页源码。

选择完毕后点击下方“确定”进行保存。

淘宝数据采集器使用步骤2612）对数据进行格式化处理淘宝数据采集器使用步骤27A.选择“正则表达式匹配”淘宝数据采集器使用步骤28B. 再选择使用正则工具淘宝数据采集器使用步骤29C. 以“shop”为开始并包含“shop”，以“.”为结束标志。

生成正则表达式后即可进行应用，然后点确定保存。

淘宝数据采集器使用步骤3013）对于“店铺类型”，网页和源码中无此字段。

我们可以设置固定值来增加该字段。

选择“添加特殊字段”→“添加固定字段”→输入值“白酒”→“确定”保存。

淘宝数据采集器使用步骤3114）调整字段顺序后点击“开始采集”进行本地采集测试。

淘宝数据采集器使用步骤32步骤5：采集与调试1）选择“启动本地采集”淘宝数据采集器使用步骤332）仔细观察本地采集时的运行情况。

淘宝数据采集器使用步骤34发现：1. 采集量过少，出现漏数据。

第一页明明有20条数据，实际只采集到6条。

原因：网页是滚动下拉加载数据，页面加载到下方才会展现相应的数据。

解决方法：在“打开网页”和“点击翻页”的高级选项中设置“滚动页面”，次数，间隔，方式应根据网站的实际加载情况来设置。

淘宝数据采集器使用步骤352. 采集出现大量重复数据，仔细观察采集情况发现其一直在一二页来回采，手动执行流程也发现第二次点击翻页后，页面跳回了第一页。

原因：循环翻页的XPath不对解决方法：修改翻页循环的XPath，以求在每一页（除最后一页）均内定位到“下一页”，在分析网页源码后写出正确的XPath为：//li/a[@trace="srp_bottom_pagedown"]将此XPath替换循环原有XPath。

此类问题可在教程中心搜索“一二页重复”一获得更详细的教程。

淘宝数据采集器使用步骤36淘宝数据采集器使用步骤373. 采集速度过慢，页面在翻页后要等待较长时间（超过两分钟）才会执行下一步操作。

原因：网页打开慢，八爪鱼未能检测到页面加载完全的从而接收不到执行下一步的信号，故会按一个默认时间（两分钟）进行等待。

解决方案：对“点击翻页”设置ajax超时，使八爪鱼提前获得信号，强制进行下一步操作，从而提高采集速度。

Ajax超时时间请根据所需数据加载完的时长来设置。

本例设置如下：淘宝数据采集器使用步骤383) 问题解决，流程调试完成后再次启动本地采集。

淘宝数据采集器使用步骤394）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, 这里我们选择excel作为导出为格式，此时淘宝卖家信息就顺利导出来，数据导出后如下图：淘宝数据采集器使用步骤40相关采集教程：淘宝买家秀图片采集详细教程/tutorial/tbmjxpic淘宝聚划算商品采集/tutorial/tbjhsspcj淘宝图片采集并下载到本地的方法/tutorial/tbgoodspic 淘宝网宝贝采集器/tutorial/cjtbsp-7淘宝商品评论采集/tutorial/taobappinglun八爪鱼——90万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。

3、云采集，关机也可以。

配置好采集任务后可关机，任务可在云端执行。

庞大云采集集群24*7不间断运行，不用担心IP被封，网络中断。

4、功能免费+增值服务，可按需选择。

免费版具备所有功能，能够满足用户的基本采集需求。

同时设置了一些增值服务（如私有云），满足高端付费企业用户的需要。