集搜客GooSeeker v8.7.0正式版 网页抓取工具

集搜客GooSeeker是一款非常专业的网页抓取工具。这款工具操作非常简单，完全可视化操作，无需编程基础，可以帮助用户您轻松快捷地获得数据。

软件特色

web如同一个大型的大数据库，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，系统会即刻自动生成抓取规则，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s

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、服务器动态网页等动态页面,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!

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

gooseeker使用教程

下载GS爬虫浏览器软件，是一个自解压的exe文件，31M左右。下载完成后，进行解压，双击这个exe文件，即开始安装过程。

安装过程每一步都有提示，如果询问是否在桌面上放置快捷运行图标，请选择是，就会在桌面上显示如下图标。这个图标也会出现在Windows的开始菜单中。

双击桌面上的快捷图标，或者选择Windows开始菜单中的集搜客GooSeeker，就能打开软件，在右上角就能看到定义规则、MS谋数台和DS打数机，其中定义规则可以直接对当前页面做规则，非常简便好用，再次点击就可以取消做规则。

第一次运行GS爬虫浏览器，要登录才能激活网络爬虫功能。注意：没有账号的请先在官网注册一个账号，并且要通过邮箱验证才能正常使用。

安装环境

硬件环境

为了获得集搜客爬虫软件的最优显示效果和准确的采集结果，建议电脑显示器分辨率在1280×1024以上。因为集搜客爬虫是通过内嵌浏览器模拟人工浏览网页的操作，从而有效提取网页信息。如果电脑的纵向分辨率小于1024(例如笔记本)，内嵌浏览器的显示尺寸过小，就会影响操作的便利性以及网页信息显示的完整性。

软件环境

集搜客爬虫软件支持windows/linux/mac三个操作系统，大家可以选择安装。

常见问题

近期集搜客技术支持中心收到部分360安全卫士用户的反馈，在安装和使用集搜客的过程中碰到了一些由于360的误报，而造成的如服务器连接失败，个别文件被删除，安装过程不停出360的警告信息等问题。这些问题给部分用户造成了困扰，影响了用户正常的数据获取。本文给出应对的措施，同时附上第三方检测机构对集搜客的检测报告。