最近一位同事提出要采集alibaba上的公司信息，關鍵詞是工業加濕器。

?

主管把任務分配給我后，推薦了一款軟件，火車采集器（真心不是做廣告）。

?

研究了兩天，還算簡單，除了正則表達式似懂非懂，其他都還好，也成功的采集了alibaba的信息。

?

做點筆記：

1、可視化Xpath雖然很好用，但alibaba的頁面卻不支持，原因不明，報錯。

2、多級網址獲取，會從上往下一條一條的遍歷搜索，太多條的話數據量很大。

3、建議用前后提取，html代碼簡單明了，用firebug查看方便。

4、前后截取不一定要是標簽，也可以是標簽內的文字。

5、標簽編輯-數據處理（添加-HTML標簽排除很有用），建議全選，可以去除很多空格。

6、同樣，數據處理中的替換也很有用。

7、內容過濾，可以用來排除重復的公司，設置公司名的標簽不重復和非空。

8、盡可能用多頁管理來進行生成分頁，而不是直接進行采集，速度要快很多很多。。

9、發布內容（導出內容），免費版不讓導出excel，可以在任務上右鍵，打開Data下任務文件夾，然后用數據庫文件導出excel。

?

轉載于:https://www.cnblogs.com/baigezhengliu321/archive/2013/03/26/3043964.html

總結

以上是生活随笔為你收集整理的信息采集-火车采集器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。