爬山虎采集器 官方最新版v3.0.3.2

爬山虎采集器是最新的页面采集工具，可以帮助用户收集信息，再去针对这些内容进行一种可视化的分析，每一步都是非常的简单并且高效，能大大节省用户的时间，还在等什么呢？快来使用一下吧。

软件介绍

爬山虎采集器是一款新一代智能化的网页采集工具，智能分析、可视化界面，一键采集无需编程，支持自动生成采集脚本，可以采集互联网99%的网站。软件简单易学，通过智能算法+可视化界面，随心所欲，抓取自己想到的数据。只要轻松点击鼠标，就能采集网页上的数据。

软件特色

1.独创高速内核

自研的浏览器内核，速度飞快，远超对手

2.智能识别

对于网页中的列表、表单结构（多选框下拉列表等）能够智能识别

3.广告屏蔽

定制的广告屏蔽模块，兼容AdblockPlus语法，可添加自定义规则

4.多种数据导出

支持Txt 、Excel、MySQL、SQLServer、SQlite、Access、网站等

5.一键提取数据

简单易学，通过可视化界面，鼠标点击即可抓取数据

6.快速高效

内置一套高速浏览器内核，加上HTTP引擎模式，实现快速采集数据

7.适用各种网站

能够采集互联网99%的网站,包括单页应用Ajax加载等等动态类型网站

软件功能

1、从任何地方的任何数据的恢复

2、支持超过550种数据格式，包括几乎所有的图像文件、多媒体文件、电子邮件、档案等。

3、支持所有设备的完整数据恢复NTFS，FAT16，FAT32，HFS+，APF，等。

4、先进的算法支持

5、更快的扫描速度由一个内置强大的数据分析引擎驱动。

软件特点

1、简单易用的向导驱动界面；

2、PC 或 Mac 上工作完全相同；

3、能够扫描本地计算机中的所有卷并生成丢失和已删除文件的目录树；

4、搜索匹配文件名条件的丢失和已删除文件；

5、快速扫描引擎允许快速构建文件列表；

6、简单明了的文件管理器和典型的保存文件对话框；

7、安全数据恢复：EasyRecovery不会对其正在扫描的驱动器进行写入操作；

8、可以将数据保存到任何驱动器，包括网络驱动器、可移动媒体等等；

9、支持 Windows NTFS 的压缩和加密文件；

10、电子邮件恢复允许用户查看选定的电子邮件数据库。将现有的和已删除的电子邮件都显示出来，可以用于打印或保存到硬盘。

使用方法

用户下载了爬山虎采集器之后，可能对于这类软件的基本操作不是很了解，所以往往就会出现使用困难的情况，为了帮助用户可以更好的知晓爬山虎采集器的使用方法，下面就来讲解一下采集任务的新建方法，有需要的用户快来了解一下吧。

创建第一个采集任务

首先，打开爬山虎采集器，点击主界面的新建任务按钮

第一步、选择起始网址

当你想要采集一个网站数据时，首先需要找到一个展示数据列表的地址。这一步，至关重要，起始网址决定了你采集的数据数量和类型。

以大众点评为例，我们想要抓取当前城市的美食类的商家信息，包括店名、地址、评分等等信息。

通过浏览网站，我们找到所有美食类的商家列表地址

然后在爬山虎采集器V2中新建任务->第一步->输入网页地址

然后点击下一步。

第二步、抓取数据

进入到第二步后，爬山虎采集器会智能分析网页，并且从中提取出列表数据。如下图：

这时，我们对已经分析出的数据进行整理修改，比如删掉无用的字段。

点击列的下拉按钮，选择删除字段。

当然还是其他操作，比如修改名称,数据处理等等。这些我们将在后面的文档中介绍。

在整理修改字段后，我们来采集处理分页。

选择分页设置->自动识别分页，程序将会自动定位下一页元素。

完成之后，点击下一步。

第三步、设置

这里包括对浏览器的配置，比如禁用图片、禁用JS、禁用Flash、拦截广告等等操作。可以通过这些配置提高浏览器的加载速度。

计划任务的配置，通过计划任务，可以设置任务定时自动运行。

点击完成，保存任务。

完成，运行任务

任务创建完成之后，我们选择刚刚新建的任务，点击主界面工具栏开始按钮。

任务运行窗口，任务运行日志，记录详细采集日志信息。

已采集数据窗口，实时显示已采集的数据

怎么采集图片

对于用户来说，单单只是上面的采集基本信息是远远不够的，因为图片对于用户来说也是非常重要的一个方面，为了更好的帮助到大家快速的知晓图片采集的基本步骤，实现图片快速保存的操作，下面就来分享一下相关的采集方法，来看看吧。

1.点击添加字段。

2.鼠标点击网页中的图片，程序自动获取图片地址。（已有字段，选择重新选择元素，然后点击图片）

3.选择要下载的字段，点击菜单按钮，选择文件下载菜单。

4.设置文件名和图片的保存路径。

5.完成。

怎么自定义广告屏蔽

有的用户在使用爬山虎采集器的时候，就会发现自己想要去采集的页面会有非常多的广告，这些东西都是没有用处的，会干扰正常的采集操作，增加不必要的存储空间，所以自定义广告屏蔽是非常重要的，下面就来分享一下相关屏蔽的方法，快来看看吧。

在爬山虎采集器中，可以通过自定义广告屏蔽，来加快采集速度。

具体语法参考 AdBlock Plus 过滤规则 ,规则为一行一个。

最常用的就是使用通配符，在指定字符前后加星号 *

技巧

一般我们在采集时，注意观察运行日志，如果出现了如下提示：

页面加载超过 30 秒限制. 超时请求： Transferring data from ih1.redbubble.net…

我们可以添加规则：*ih1.redbubble.net* ，过滤掉所有包含 ih1.redbubble.net 的请求，这种请求一般是外站图片、或者js请求。

注意：不要屏蔽你采集的网站主域名，比如你要采集 https://www.baidu.com/s?wd=x ,却加上规则 *www.baidu.com*，这样的话，可能就采集不到数据。

常见问题

问：如何过滤列表中的前N个数据？

1.有时我们需要对采集到的列表进行过滤，比如过滤掉第一组数据（在采集表格时，过滤掉表格列名）

2.点击列表模式菜单中的，设置列表xpath

问：如何抓包获取Cookie，并且手动设置？

1.首先，使用谷歌浏览器打开要采集的网站，并且登陆。

2.然后按下 F12,会出现开发者工具，选择 Network

3.然后按下F5，刷新下页面， 选择其中一个请求。

4.复制完成后，在爬山虎采集器中，编辑任务，进入第三步，指定HTTP Header。

更新日志

新增数据查看- 预览、编辑完整数据

新增数据查看- 执行 sql 功能

数据处理，新增 自动补全相对URL功能

对单个脚本命令 可设置所有分页执行（右击命令行

修改文本框高亮

修复innerText包含style、script问题

修复其他等问题