數(shù)據(jù)抓取使您可以將瀏覽器、應(yīng)用程序或文檔中的結(jié)構(gòu)化數(shù)據(jù)提取到數(shù)據(jù)庫(kù)，.csv文件甚至Excel電子表格中。
 

注意：

建議在Internet Explorer 11及更高版本、Mozilla Firefox 50或更高版本或最新版本的Google Chrome上使用該功能。

結(jié)構(gòu)化數(shù)據(jù)是一種高度組織化的特殊信息，以可預(yù)測(cè)的方式呈現(xiàn)。

例如，所有Google搜索結(jié)果都具有相同的結(jié)構(gòu)：頂部的鏈接，URL的字符串和網(wǎng)頁(yè)的描述。

這種結(jié)構(gòu)使Studio可以輕松提取信息，因?yàn)樗冀K知道在哪里可以找到信息。

1. 打開要從中提取數(shù)據(jù)的網(wǎng)頁(yè)、文檔或應(yīng)用程序界面，單擊“ 設(shè)計(jì)”選項(xiàng)卡中“ 數(shù)據(jù)收集”按鈕，

打開數(shù)組抓取向?qū)В?/p>

點(diǎn)擊Next，然后選擇要抓取的數(shù)據(jù)的第一個(gè)單元格里面的內(nèi)容：

然后，Studio會(huì)自動(dòng)檢測(cè)您是否指示了表格單元格，并詢問您是否要提取整個(gè)表格：

• 如果單擊“ 是”，進(jìn)入自動(dòng)抓取方式，“ 提取向?qū)?rdquo;將顯示所選數(shù)據(jù)所在的表的所有數(shù)據(jù)預(yù)覽：

再點(diǎn)擊Finish，進(jìn)入第5步。

• 如果單擊“ 否”，則進(jìn)入按需的抓取模式，出現(xiàn)下面的界面：

點(diǎn)擊Next，回到要抓數(shù)據(jù)的界面，點(diǎn)擊同類型或同列第2個(gè)數(shù)據(jù)，

選擇后，Studio可以推斷出信息的模式，進(jìn)入下面的界面。

2. 自定義列標(biāo)題，然后選擇是否提取URL。

3. 點(diǎn)擊Next，進(jìn)入預(yù)覽數(shù)據(jù)界面，編輯要提取的最大結(jié)果數(shù)，然后更改列的順序：

4. （可選）如果還需要抓取其他列，單擊提取相關(guān)數(shù)據(jù)（Extract Corralted Data）按鈕。這使您可以再次執(zhí)行“ 提取向?qū)?rdquo;（也是需要兩次點(diǎn)擊同一類型數(shù)據(jù)），以提取其他信息并將其添加為同一表中的新列。

5. 指示網(wǎng)頁(yè)，應(yīng)用程序或文檔中的“ 下一步”（Next）按鈕（如果要提取的信息跨越多個(gè)頁(yè)面）。

這里需要告訴想到，是否需要它幫你點(diǎn)擊下一頁(yè)，以便收集所有的數(shù)據(jù)。如果選擇Yes，需要點(diǎn)擊“下一頁(yè)”按鈕，否則點(diǎn)擊No，完成向?qū)А?/p>

       完成向?qū)Ш螅琒tudio中會(huì)生成一個(gè)序列：

數(shù)據(jù)抓取始終會(huì)生成一個(gè)容器（“附加瀏覽器”或“附加窗口”），該容器帶有用于頂層窗口的選擇器，以及帶有部分選擇器的“ 提取結(jié)構(gòu)化數(shù)據(jù)”活動(dòng)，從而確保正確識(shí)別要抓取的應(yīng)用程序。

此外，“提取結(jié)構(gòu)化數(shù)據(jù)”活動(dòng)還帶有一個(gè)自動(dòng)生成的XML字符串（在ExtractMetadata屬性中，其中自動(dòng)抓取生成的內(nèi)容很簡(jiǎn)單，手動(dòng)一列一列抓取的內(nèi)容稍微復(fù)雜點(diǎn)，好在都是自動(dòng)生成，無(wú)需太多關(guān)注），該字符串指示要提取的數(shù)據(jù)。

最后，所有已抓取的信息都存儲(chǔ)在你定義的DataTable變量（如上圖的ExtractDataTable）中，接下來，您就可以使用變量ExtractDataTable來保存到數(shù)據(jù)庫(kù)、csv文件或Excel電子表格。

網(wǎng)頁(yè)文件是用html寫的，網(wǎng)頁(yè)看見的文字，可能被裹了很多層用于格式的代碼，如果抓取到不合適的層，可能抓取不到需要的URL，舉例如下：

抓取包裹文字所在的層，可以抓到URL，不在其被包裹的層，例如單元格。

如果需要抓取URL，只能用第二種方式（按需取列）。

特別聲明：