GooSeeker网络爬虫 v9.2.0 中文特别版

软件介绍

GooSeeker特别版是一款专门用来抓取各种网页信息的数据采集软件，我们可以通过这款软件来获取网页上的文字、图片、表格、超链接等多种不同元素。用户通过GooSeeker网络爬虫采集完网页数据之后，就可以对这些数据进行编辑和处理，适合网站编辑以及网络营销人员使用。

GooSeeker特别版软件简介

集搜客网络爬虫工具，能够采集网页文字、图片、表格、超链接等多种网页元素，不限深度和广度抓取网页数据，可视化免编程，网页内容可见即可采，让你轻松搞定网页数据，使用这些数据寻找潜在客户，进行数据研究，商机挖掘...等，让你随心所欲玩转大数据。是学生、站长、电商、研究人员、HR...的必备神器。

软件特色

1、直观点选 海量采集：用鼠标点选就能采集数据，不需要技术基础，爬虫群并发抓取海量网页，适合大数据场景，无论动态或静态网页，ajax和html一样采集，文本和图片一站采集，不再需要下图软件

2、整理报表：从公司年报摘录数据、从政府报告摘录数据、从政策文件摘录数据、从PDF文件摘录数据、生成结构化的excel报表

3、摘录笔记：为学术论文收集素材、为研究报告收集素材、为市场营销准备弹药、随想随记拓展知识

4、文本分词和标签化：自动分词，建设特征词库、文本标签化形成特征词对应表、用于多维度量化计算和分析、发现行业动态，发现市场机会，解读政策，快速掌握主旨要点

GooSeeker特别版软件功能

web如同一个大型的数据库，其中包含各种各样有价值的信息，当您需要把某些特定信息采集下来，却往往可能面临这样的困境：

没有系统学过Python、Ruby、PHP、Perl、Javascript、java这些编程语言，通过写代码实现数据采集难度太大。

网络爬虫、网页抓取软件虽然很多，但学习难度大，初学者难以上手。

集搜客GooSeeker与“技术小白”共同成长。秉承此宗旨，集搜客GooSeeker抓取软件操作简单，完全可视化操作，无需编程基础，熟悉电脑操作即可轻松掌握：

当定义采集规则时，用鼠标点选的方式，告知集搜客软件哪些是要抓取的内容，系统会自动生成抓取规则，网络爬虫的工作流程序会根据网页特征自动适配，连拖曳和编辑采集流操作都是多余的；

当程序进行采集时，集搜客高仿真模拟真人操作，可以实现自动登录、输入查询条件、点击链接、点击按钮等，还能自动移动鼠标，自动改变焦点，避过机器人判断程序；

整个采集过程所见即所得，遍历的链接信息、抓取结果信息、错误信息等都会及时地反映在软件界面中。让您整个操作清晰明了，带着轻松的心情完成自己的任务。

模板资源套用

集搜客GooSeeker的模板资源套用特性，让您轻松快捷地获得数据。

在集搜客资源库中，分门别类存放着抓取规则，既可通过关键词也可通过目标网页网址搜索到可用的抓取规则。在抓取规则的详情页面，您可以仔细考察一个规则的抓取结果是否满足您的需要，如果满足，只需点击“下载”按钮，即可在会员中心一键启动集搜客网络爬虫，抓取到你想要的数据。比如：

电商网站上价格、评论的抓取规则

B2B网站上的联系人、联系电话的抓取规则

微博上的消息、话题、兴趣、活动等网页内容的抓取规则

省却自己定义抓取规则的麻烦，像直接套用网页模板一样使用发布出来的规则。对于初学者或者业务目标导向的用户，模板资源套用是一条捷径。

通用网络爬虫

集搜客GooSeeker网络爬虫与其它网络爬虫相比，在易用性方面已经远远胜出，加上 一键启动网络爬虫这个独特性功能和整个[资源共享平台]的支撑，已经大大降低了对用户的技术基础条件的要求。然而，网页抓取毕竟是一个技术工作，需要适当掌握HTML等基础知识。也就是说需要花费一些时间学习这个软件的使用方法。既然已经有所投入（即便是时间上的），那么网络爬虫的通用性高低显得十分重要。

集搜客网络爬虫历经8年行业历练，采用功能强大的火狐浏览器内核，所见即所得。很多动态内容并不在HTML文档中出现，而是动态加载，都不影响精确抓取他们，而且不用网络嗅探器从底层分析网络通信消息，与抓取静态网页一样可视化定义抓取规则。再加上开发者接口，能够模拟十分复杂的鼠标和键盘动作，一边动作一边抓取。

抓取范围可以归纳成如下几类：

各种网站类型：新闻、论坛、电商、社交网站、行业资讯、金融网站、企业门户、政府网站等各种网站都可抓取；

各种网页类型：服务器侧动态页面、浏览器侧动态页面（AJAX内容）、静态页面都可抓取，甚至可以抓取没有终点的瀑布流页面、web qq的会话过程等。集搜客爬虫在默认状态下就可抓取AJAX/Javascript动态页面、服务器页等动态页面,无需其他设置；甚至还可以自动滚屏抓取动态加载的内容。

与PC网站一样，手机网站均可抓取： 爬虫可模拟移动端agent；

所有语言文字：不用特殊设置，自动支持所有语言编码，国际语言一视同仁；

可见，使用集搜客网络爬虫，整个互联网成为你的数据库!

GooSeeker浏览器

会员互助抓取

这是爬虫群并行抓取的一种特殊情形，利用这个功能，您可以低成本快速汇集海量数据。场景描述如下：

当你要大批量快速或者频繁地抓取数据时，从数据量方面考察，需要多台电脑，您自己的电脑不够用

时间紧张，从而采集活动密度很高，比如，一秒钟内从微博上采集很多条消息，只用您自己的电脑，很容易被目标网站封锁

目标网站对采集量有严格限制，比如，抓取机票价格

需要登录以后才能抓取，您需要大量账号同时登录。

那么，您可以创建一个工作组，并邀请网友加入，为了得到更多会员的响应，您可以发“红包”，接受任务的社友就会用他的的电脑帮你分担采集数据。 在社区中别人会帮你采集数据，当然你也可以帮助社友抓取数据，赚取更多的积分，后面有任务时再把积分悬赏发给社友。

使用过程中要注意：

发布：可在社区圈中发布，发布时选择悬赏类型、悬赏积分数、时间限制，悬赏发布后不可删除、编辑。

回复：指对悬赏任务进行回复、解答帮助

不限深度不限广度

从网站上采集数据，尤其采集大型网站时，被采集的数据往往位于网站的不同层级的网页上，大大增加了网络爬虫采集数据的难度。百度或者google这样的综合网络爬虫，能够自动管理爬行的深度和广度。我们这里讨论的是聚焦网络爬虫，希望能够以尽量低的成本获得数据，而且希望只获取需要的网页内容。所谓聚焦，主要包含两方面：

所抓取的网页（无论深度还是广度）都是预先规划好的，不像综合网络爬虫那样自动去发现向深度和广度发展的新线索。可见，在受控范围内爬行必然会降低成本。

从网页上抓取的内容也是预先定义好的，这就是所谓的抓取规则。不像综合网络爬虫那样把整个网页文本内容都抓下来。可见，精确抓取可用于数据挖掘和情报分析，因为噪音已被精确地过滤掉了。

集搜客GooSeeker就是这样的聚焦网络爬虫，但是跟其他市面上的采集器不同：

集搜客对网站深度和广度不设限，任由您规划。集搜客要做纯粹的大数据能力开放平台，不会用收费版本方式把这个能力藏起来。

集搜客对采集数量不设限，不会根据时间或者根据网页数量扣取积分或者费用，您把整个互联网下载下来都行

安装步骤

1、将软件资源包下载到电脑上后解压出来，运行安装程序运行，开始安装，选择“简体中文”下一步，继续安装

2、点击“浏览”可以更改软件安装目录，设置你的个人偏好然后继续安装

3、勾选“创建桌面快捷方式”复选框，创建桌面快捷方式，以便日后启动程序

4、等待安装文件释放完成即可成功安装GooSeeker

GooSeeker特别版使用说明

一、打开DS打数机

有两种打开方法，如果您刚刚在MS谋数台上做好规则，请看第一种。如果是下载的规则请看第二种(第二种适用于所有情况)，请注意：这两种方法打开的DS打数机的窗口颜色是不一样的，第二种方法打开的是全功能窗口，详情见DS打数机的窗口类型。

1)点击MS谋数台的“爬数据”按钮，就会自动弹出DS打数机并且开始采集数据，如下图。

2)火狐插件版请去火狐的工具菜单里打开DS打数机，如下图。如果看不到菜单栏，请参考文章如何显示火狐菜单栏。

3)独立软件版请点击右上角的DS打数机进行启动，如下图。

二、点击“单搜”或“集搜”采集数据

1)搜索主题名，如果忘了名字，可以输入*进行模糊查找，然后点击“单搜”，在弹出框中输入要抓取的线索数，即网址数，确定后DS打数机就会浏览网页，这就是在采集数据，如下图。

2)输入的线索数最好要<=等待抓取的线索数量，建议先统计一下规则有多少线索，操作：右击主题名，选择“统计线索”，查看等待抓取的线索有多少，如下图。

注意：如果提示“没有等待抓取的线索”，说明已经都采集完了所有等待抓取的线索，可通过会员中心添加线索或激活原有线索继续采集，并且，一个规则可以抓取结构相同的网页数据，例如，做了一个微博搜索关键词的规则，把各种关键词的微博搜索网址添加到该规则，采集时就会依次采集这些网页数据。

3)点击“集搜”并发采集数据

如果一个规则有大量等待抓取的线索，可以利用“集搜”增加一个DS窗口同时采集数据，如图4，方法是：点击“集搜”按钮，输入要抓取的线索数，就会弹出新的DS窗口来抓数据。集搜与单搜都是用来启动抓取任务，区别在于集搜能增加一个新的DS窗口，而单搜不能，详情见单搜与集搜的区别。

三、用爬虫群并发采数据

爬虫群支持在一台电脑并发运行多个爬虫。它整合了crontab爬虫调度程序、DS打数机主要功能、数据库存储三大功能块，让您可以高效采数据以及监控规则的运作情况。