1.搜狗微信文章采集-热门下的点击点击文章为例-数据采集从八爪鱼开始
搜狗微信文章采集-热门下的文章为例-数据采集从八爪鱼开始
本文介绍如何使用八爪鱼采集器采集搜狗微信文章（以热门文章为例）的方法。
采集网站：weixin.sogou.com/
使用功能点：分页列表信息采集、加载加载Xpath、更多更多AJAX点击和翻页
步骤1：创建采集任务
1）进入主界面，源码源码点击左侧“新建”，没反选择“自定义任务”
2）将要采集的点击点击企微宝源码网址URL复制粘贴到网站输入框中，点击“保存设置”
步骤2：创建翻页循环
1）网页打开后，加载加载默认显示“热门”文章。更多更多下拉页面，源码源码找到并点击“加载更多内容”按钮，没反在操作提示框中，点击点击选择“循环点击单个链接”
由于此网页涉及Ajax技术，加载加载我们需要进行一些高级选项的更多更多设置。在操作提示框中，源码源码将Ajajax超时设置为“2秒”
注：AJAX即延时加载、没反异步更新的一种脚本技术，通过在后台与服务器进行少量数据交换，可以在不重新加载整个网页的情况下，对网页的某部分进行更新。
表现特征：a、点击网页中某个选项时，ava开源源码编译大部分网站的网址不会改变；b、网页不是完全加载，只是局部进行了数据加载，有所变化。
验证方式：点击操作后，在浏览器中，网址输入栏不会出现加载中的状态或者转圈状态。
观察网页，我们发现，通过5次点击“加载更多内容”，有后台的网站源码页面加载到最底部，一共显示篇文章。因此，我们设置整个“循环翻页”步骤执行5次。选中“循环翻页”步骤，打开“高级选项”，打开“满足以下条件时退出循环”，设置循环次数等于“5次”，点击“确定”
步骤3：创建列表循环并提取数据
1）移动鼠标，选中页面里第一篇文章的excel区域求和函数源码区块。系统会识别此区块中的子元素，在操作提示框中，选择“选中子元素”
2）继续选中页面中第二篇文章的区块，系统会自动选中第二篇文章中的子元素，并识别出页面中的其他组同类元素，在操作提示框中，选择“选中全部”
3）我们可以看到，页面中文章区块里的所有元素均被选中，变为绿色。下方出现字段预览表，github源码打包编译apk将鼠标移到表头，点击垃圾桶图标，可删除不需要的字段。字段选择完成后，选择“采集以下数据”
4）字段选择完成后，选中相应的字段，可以进行字段的自定义命名
步骤4：修改Xpath
我们继续观察，通过5次点击“加载更多内容”后，此网页加载出全部篇文章。因而我们配置规则的思路是，先建立翻页循环，加载出全部篇文章，再建立循环列表，提取数据
1）选中整个“循环”步骤，将其拖出“循环翻页”步骤。如果不进行此项操作，那么将会出现很多重复数据
拖动后完成后，如下图所示
2）在“列表循环”步骤中，我们建立篇文章的循环列表。选中整个“循环步骤”，打开“高级选项”，将不固定元素列表中的这条Xpath：
//BODY[@id="loginWrap"]/DIV[4]/DIV[1]/DIV[3]/UL[1]/LI，复制粘贴到火狐浏览器中的相应位置
Xpath：是一种路径查询语言，简单的说就是利用一个路径表达式找到我们需要的数据位置。
Xpath是用于XML中沿着路径查找数据用的，但是八爪鱼采集器内部有一套针对HTML的Xpath引擎，使得直接用XPATH就能精准的查找定位网页里面的数据。
3）3）在火狐浏览器中，我们发现，通过这条Xpath：
//BODY[@id='loginWrap']/DIV[4]/DIV[1]/DIV[3]/UL[1]/LI ，页面中被定位的是篇文章
4）将Xpath修改为： //BODY[@id='loginWrap']/DIV/DIV[1]/DIV[3]/UL/LI，我们发现页面中所有要采集的文章都被定位了
5）将改好的Xpath：//BODY[@id='loginWrap']/DIV/DIV[1]/DIV[3]/UL/LI，复制粘贴到中所示的位置，然后点击“确定”
6）点击左上角的“保存并启动”，选择“启动本次采集”
步骤5：数据采集及导出
1）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”，将采集好的搜狗微信文章的数据导出
2）这里我们选择excel作为导出为格式，数据导出后如下图
希望这篇文档的介绍，能让你掌握搜狗微信公众号信息网页数据采集，你可以试着上八爪鱼官网 下载八爪鱼最新版本客户端，也可以关注八爪鱼官方微信了解到更多教程案例。
八爪鱼·三分钟就上手的网页数据采集软件·而且是免费软件
点击链接进入官网
八爪鱼采集器 - 最好用的网页数据采集器
