网页采集实践：配置百度文库文档爬虫（值得收藏）

本文演示无需代码可视化的方法快速抓取百度文库文档内容的方法。

在开始之前，可以先参考一下这些文章，希望有帮助：
小白30分钟学会网页爬虫
网页爬虫真实案例记录

文中用到的可视化爬虫制作工具（官网），只作为演示使用，实际应用中可以替换成自己拿手的工具或代码语言即可。

需要抓取百度内容的，在网页简易模式界面里 百度进去之后可以看到所有关于百度的规则信息，我们直接使用就可以的。



放大看>>

抓取百度文库详情页信息（下图所示）即打开百度文库一个详细的文档页面抓取需要的目标数据

1、首先找到百度文库列表页数据然后 立即使用



放大看>>

2、下图显示的即为简易模式里面百度文库详细页信息的规则

查看详情：点开可以看到示例网址

任务名：自定义任务名，默认为百度文库详情页信息

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

演示网址：要抓取的文档地址，如果有多个则一行一个。

示例数据：这个规则抓取的所有字段信息



放大看>>

3、规则制作示例

例如抓取百度文库里面分类为学习计划下面的文库数据信息，网址为https://wenku.baidu.com/view/8175732e26d3240c844769eae009581b6bd9bd1d.html 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

演示网址：输入 https://wenku.baidu.com/view/8175732e26d3240c844769eae009581b6bd9bd1d.html，如果有多个，一行一个地址。
设置好之后 保存



放大看>>

保存之后会出现开始抓取的按钮



放大看>>

3、选择开始抓取之后系统将会弹出运行任务的界面

可以选择启动本地抓取（本地执行抓取流程）或者启动云抓取（由云 器执行抓取流程），这里以启动本地抓取为例，我们选择启动本地抓取按钮



放大看>>

5、选择本地抓取按钮之后，系统将会在本地执行这个抓取流程来抓取数据，下图为本地抓取的效果



放大看>>

6、抓取完毕之后选择导出数据按钮即可，这里以导出excel2007为例，选择这个选项之后 确定



放大看>>

7、然后选择文件存放在电脑上的路径，路径选择好之后选择保存



放大看>>

8、这样数据就被完整的导出到自己的电脑上来了哦



放大看>>

文中用到的可视化爬虫制作工具（官网），只作为演示使用，实际应用中可以替换成自己拿手的工具或代码语言即可。