干货推荐/如何使用爬虫程序采集马蜂窝旅行攻略数据

本文主要介绍如何使用后羿采集器的智能模式，免费采集马蜂窝旅行攻略的内容、阅读量、收藏量、评论数及体验人数等信息。

采集工具简介：

后羿采集器是一款基于人工智能技术的网页采集器，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）的网络爬虫软件。

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：

马蜂窝是中国领先的自由行服务平台，由陈罡和吕刚创立于2006年，从2010年正式开始公司化运营。马蜂窝的景点、餐饮、酒店等点评信息均来自上亿用户的真实分享，是广受中国年轻一代追捧的旅行网站，被誉为中国的旅行圣经。马蜂窝以“自由行”为核心，提供全球超过60000个旅游目的地 的旅游攻略、旅游问答、旅游点评等资讯，以及酒店、交通、当地游等自由行产品及服务。

采集字段：

攻略标题、攻略链接、阅读量、体验人数、封面图、评论数、收藏量、分享次数、点赞数、发布时间、攻略内容、页面PDF

功能点目录：

如何对采集字段进行配置

如何采集列表+详情页类型网页

采集结果预览：

导出到Excel表格：

导出的PDF文件：

下面我们来详细介绍一下如何免费采集马蜂窝旅游攻略的信息数据，我们以泰国自由行的旅游攻略为例，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、复制马蜂窝泰国自由行旅行攻略的网页（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。

在列表页上，我们需要采集泰国自由行攻略的攻略标题、攻略链接、阅读量、体验人数以及封面图等信息，字段设置效果如下：

2、使用深入采集功能提取详情页数据

在列表页上只展示出了泰国自由行攻略的部分信息，如果需要攻略的具体内容的话，我们需要右击房源链接使用“深入采集”功能，跳转到详情页进行采集。

在详情页面我们可以看到攻略的详细内容、评论数、收藏数、发布时间等信息，同时我们可以看到攻略里面有非常多的图片，如果我们一 一设置字段的话，字段会非常多，而且每篇攻略的图片位置不同，可能导致采集不完整，所以我们在这里可以添加一个特殊字段，“页面PDF”，我们可以点击“添加字段”添加采集字段，全部字段设置效果如下：

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”，由于采集页面PDF时如果等待时长过慢，可能导致图片还未展示完整就已经采集了，所以我们设置“5”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，直接点击“启动”运行爬虫工具。

【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。