Python手动搜索关键词采集信息—以易迅为例！

　　Python数据剖析之numpy字段全解析一、操作步骤

　　如果网页上有搜索框，但是搜索结果页面没有独立网址，想要采集搜索结果，直接做规则是采集不到的，要先做连续动作（输入+点击）来实现手动输入关键词并搜索，然后才会采集数据。下面用易迅搜索为例，演示手动搜索采集，操作步骤如下：

　　Python资源共享群：626017123

　　二、案例规则+操作步骤

　　注意：本案例易迅搜索是有独立网址的，对于具有独立网址的页面，最简单的方式就是构造出每位关键词的搜索网址，然后把线索网址导出到规则里，就可以批量采集，而不是设置连续动作

　　第一步：定义第一级规则

　　1.1打开集搜客网络爬虫，输入网址并Enter，加载出网页后再点击“定义规则”按钮，看到一个浮窗显示下来，称为工作台，在前面定义规则；

　　注意：这里的截图和文字说明都是集搜客网络爬虫版本，如果您安装的是傲游插件版，那么就没有“定义规则”按钮，而是应当运行MS谋数台

　　1.2在工作台北输入一级规则的主题名，再点击“查重”，提示“该名可以使用”或“该名已被占用，可编辑：是”，就可以使用这个主题名，否则请重命名。

　　1.3本级规则主要是设置连续动作，所以，整理箱可以随便抓取一个信息，用来给爬虫判定是否执行采集。双击网页上的信息，输入标签名，并打勾确认，再勾上关键内容，首次标明还要输入整理箱的名子，然后就完成标明映射了。

　　Tips：为了能确切定位网页信息，点击定义规则会把整个网页定格住，不能跳转网页链接，再次点击定义规则，才会恢复回普通的网页模式。

　　第二步：定义连续动作

　　点击工作台的“连续动作”页签，点击新建按键构建一个新动作，每个动作的设置方式都是一样，基本操作如下：

　　2.1 ，输入目标主题名

　　这里的目标主题名是填第二级主题名，点击“谁在用”查看目标主题名是否可用，如果早已被占用，换一个主题名就行

　　2.2， 创建第一个动作：输入

　　新建一个动作，并选择动作类型为输入。

　　2.２.1，填写定位表达式

　　首先键盘单击输入框，定位输入框的节点，然后点击“自动生成XPath”按钮，可以选择“偏好id”或者“偏好class”，就可以得到输入框的xpath表达式，再点击“搜索”按钮，检查一下这个xpath是否能惟一定位到输入框，没有问题就把xpath复制到定位表达式方框里。

　　注意：定位表达式里的xpath是要锁定动作对象的整个有效操作范围，具体就是指键盘就能点击或输入成功的网页模块，不要定位到最底层的text()节点。

　　2.2.2，输入关键词

　　输入关键词填写你想搜索的关键词，可以输入一个关键词，也可以输入多个关键词，输入多个关键词要用双分号;;将每位关键词隔开，免费版只支持5个以内的关键词，旗舰版可以使用连发弹仓功能，支持1万以内的关键词

　　2.2.3，输入动作名称

　　告诉自己这一步动作是拿来干嘛的，方便之后更改。

　　2.3，创建第二个动作：点击

　　参考2.2的操作，创建第二个动作，选择类型为点击，定位到搜索按键，然后手动生成xpath，检验是否锁定到惟一节点，没问题的话填到定位表达式里就行了。

　　2.4，存规则

　　点击“存规则”按钮保存已完成的第一级规则

　　第三步：定义第二级规则

　　3.1，新建规则

　　创建第二级规则，点击“定义规则”恢复到普通网页模式，输入关键词搜索出结果后，再次点击“定义规则”切换到做规则模式，点击左上角“规则”菜单->“新建”，输入主题名，这里的主题名就是第一级规则的连续动作里填写的目标主题名。

　　3.2，标注想要采集的信息

　　3.2.1，标注网页上想要采集的信息，这里是对商品名称和价位做标明，因为标明只对文本信息有效，商品详情的链接是属性节点@href，所以，不能对链接做这样的直观标明，而要做内容映射，具体看下边的操作。

　　3.2.2，点击商品名称，下面的DOM节点定位到A标签，展开A标签下的attributes节点，就可以找到代表网址的@href节点，右击节点，选择“新建抓取内容“，输入一个名子，一般给这个抓取内容起一个和地址有关的名子，比如“下级网址“，或者”下级链接“等等。然后在工作台上，看到这个抓取内容有了。如果还要步入商品详情页采集，就要对着这个抓取内容勾选下级线索关键词自动采集，做层级抓取。

　　3.2.3，设置“关键内容”选项，这样爬虫就能判别出采集规则是否合适。在整理箱里选一个网页上必然能采到的标签关键词自动采集，勾上“关键内容”。这里选择的是“名称”做为“关键内容”。

　　3.2.4，前面只对一个商品做标明，也才能得到一个商品信息，如果想把一整页上每一个商品都采集下来，可以做样例复制，不懂的请参考基础教程《采集列表数据》

　　3.3，设置翻页路线

　　在爬虫路线设置翻页，这里用的是记号线索，不懂的请参考基础教程《设置翻页采集》

　　3.4，存规则

　　点击“测试”，检查信息完整性。不完整的话，重新标明就可以覆盖之前的内容。检查没问题后点击“存规则”。

　　第四步：抓数据

　　4.1，连续动作是连续执行的，所以只要运行第一级主题，第二级主题不用运行。打开DS打数机，搜索出第一级主题名，点击“单搜”或“集搜”，此时可以看见浏览器窗口里会手动输入关键词而且搜索，然后调用第二级主题手动采集搜索结果。

　　4.2，第一级主题没采到有意义的信息，所以，我们只看第二级主题的文件夹，就能看见采集的搜索结果数据，并且搜索的关键词是默认记录在xml文件的actionvalue数组中，这样才能一一对应上去。