excel抓取多页网页数据(Excel中的Powerquery可以同样操作(一)(组图))

　　excel抓取多页网页数据(Excel中的Powerquery可以同样操作(一)(组图))

　　之前介绍PowerBI数据采集的时候，举了一个从网页中获取数据的例子，但是当时只爬取了一页数据。本文文章将介绍如何使用PowerBI为页面批量采集多个数据。（Excel中的电源查询同样可以操作）

　　本文以招联招聘网站为例，采集发布上海招聘信息。

　　以下是详细步骤：

　　(一)分析URL结构

　　打开智联招聘网站，搜索工作地点在上海的数据，

　　向下滚动页面到底部，找到显示页码的地方，点击前三页，网址如下，%e4%b8%8a%e6%b5%b7&sm=0&sg=fe782ca83bfa4b018d27de559d0a5db0&p=1

　　%e4%b8%8a%e6%b5%b7&sm=0&sg=fe782ca83bfa4b018d27de559d0a5db0&p=2

　　%e4%b8%8a%e6%b5%b7&sm=0&sg=fe782ca83bfa4b018d27de559d0a5db0&p=3

　　可以看到最后一个数字是页码的ID，是一个控制分页数据的变量。

　　(二)使用PowerBI采集第一页数据

　　打开PowerBI Desktop，从网页中获取数据，在弹出的窗口中选择【高级】，根据上面分析的URL结构，在第一行输入除最后一个页码ID外的URL，将页码输入第二行。

　　从URL预览中可以看出，上面两行的URL已经自动合并在一起了；这里单独输入只是为了更清楚地区分页码变量，其实也可以直接输入完整的URL。

　　（如果页码变量不是最后一位，而是在中间，则应分三行输入网址）

　　点击OK后，出来了很多表，

　　从这里可以看出，智联招聘网站上的每一条招聘信息都是一个表格，不用管它，任意选择一个表格，比如勾选Table0，点击Edit进入Power Query编辑器。

　　在PQ编辑器中，直接删除[source]后的所有步骤，然后展开数据，删除前面几列的数据。

　　这样第一页采集的数据就过来了。然后把这个页面的数据整理一下，删除无用信息，添加字段名称，可以看到一页有60条招聘信息。

　　这里处理完第一页的数据后，再进行采集的其他页面时，数据结构会和完成后第一页的数据结构相同。采集的数据可以直接使用；这里不排序也没关系，可以等到采集所有网页数据都排序在一起。

　　如果要大批量抓取网页数据，为了节省时间，可以不用整理第一页的数据，直接进入下一步。

　　(三)根据页码参数设置自定义功能

　　这是最重要的一步。

　　还是刚才第一页数据的PQ编辑器窗口，打开【高级编辑器】，在let前输入：(p as number) as table =>

　　并将第一行URL中&后的“1”改成let后（这是第二步使用高级选项分两行输入URL的好处）：(Number.ToText(p))

　　更改后，[Source]的URL变为：";sm=0&sg=fe782ca83bfa4b018d27de559d0a5db0&p="&(Number.ToText(p)))),

　　确定后，刚才第一页数据的查询窗口直接变成了自定义函数的输入参数窗口，Table0表格也变成了函数的样式。为了更直观，将此函数重命名为 Data_Zhaopin。

　　至此，自定义功能完成。p是函数的变量，用来控制页码。只需输入一个数字，例如 7，就会捕获第 7 页的数据。

　　输入参数一次只能抓取一个网页。如果要批量抓取，则需要进行以下步骤。

　　(四)批量调用自定义函数

　　首先使用一个空查询来创建一个数字序列。如果要抓取前100页的数据，创建一个1到100的序列，在空查询中输入

　　={1..100}

　　按 Enter 生成 1 到 100 的序列，然后将其转换为表格。gif操作图如下：

　　然后调用自定义函数，

　　在弹出的窗口中，点击【函数查询】下拉框，选择你刚刚创建的自定义函数Data_Zhaopin，其他的都是默认的。

　　点击确定开始批量抓取网页，因为100页数据比较大，需要5分钟左右。这也是我第二步预整理数据导致爬行变慢的后果。展开这张表，就是这100页的数据，

　　至此，100页兆联招聘信息批量抓取完成。上面的步骤好像很多。其实掌握之后，10分钟左右就可以搞定。最大块的时间仍然是最后一步。数据抓取的过程相对耗时。

　　网页上的数据不断更新。完成以上步骤后，在PQ中点击刷新，就可以随时一键提取实时数据，一次搞定，终身受益！

　　以上主要使用PowerBI中的Power Query功能，同样可以在Excel中进行可以使用PQ功能的操作。

　　当然，PowerBI 并不是专业的爬虫工具。如果网页比较复杂或者有反爬虫机制，还是要使用专业的工具，比如R或者Python。在使用PowerBI批量抓取某个网站的数据之前，先尝试采集一页，如果可以采集，则使用上面的步骤，如果采集不行当它到达时，不再有任何延迟。

　　现在打开 PowerBI 或 Excel 并尝试抓取您感兴趣的 网站 数据。