一个好用的爬虫应该有什么样的功能？有什么有趣的玩法？

[GrahamCloud]

这两周，我们做了一个目前来看非常易用的云爬虫：

主页在这里， zaoshu.io

现在，我们提出了很多酷的设想，也在一步一步慢慢完善。 大家快来玩玩。 如果你也有酷的想法，愿意洗耳恭听。 期待可以一起合作。

我们精心制作了一个使用视频：
http://t.cn/RJzmG8v

昨天更新了 ui ，也做了新的视频。
http://www.bilibili.com/video/av8748581/

[lins]

能分页爬嘛？

[GrahamCloud]

@lins 可以啊，修改规则里面。

[greatghoul]

楼主选择页面的标签的那个功能能开源吗？好喜欢。

[tokoy]

蛮酷的 主要用啥语言爬的？

[GrahamCloud]

@greatghoul 暂时不能，哈哈，还要完善。

[wujunze]

上周已经试用了

[exalex]

感觉好牛逼，特别是交互酷炫

[tumbzzc]

“执行出错”，能不能把出错信息贴出来？

[wshedu]

我试了两个东西
一个是小说
一个是企业信息 tianyancha.com 这个直接 403
小说这个不能爬分页，
能不能从爬数据-存储到数据库整个动作写完，如果可以的话。就可以放弃火车头了

[carlding123]

每太用明白，选择规则时候点框框是什么意思，关键词么？没点击就选上了，选上还有时候取消不了，并且一个链接很多的页面好像并没有爬其他的页面呢...并且分析报告也没看懂，有没有文档啥的额...

[misaka20038numbe]

测试了一下,被我的博客防镜像拦截了.说明有些加了保护的网站也是爬不了的.

[GrahamCloud]

@tumbzzc 如果告诉我您的邮箱，我们后台帮您排查一下

[GrahamCloud]

@wshedu 欢迎加我的微信， Zaoshuio
我们想了解能不能做到更多个性化的要求。

[GrahamCloud]

@carlding123 分页是目前最大的问题，我们争取这周能拿出一个好的方案来。

[GrahamCloud]

@misaka20038numbe 我们是模拟了一个浏览器在访问，求加微信 Zaoshuio

[billyellow]

蛮有意思的，支持支持

[misaka20038numbe]

@GrahamCloud 原来是用了框架,怪不得.我不怎么用微信.

[wshedu]

@GrahamCloud 已添加微信。就是我这个帐号

[GrahamCloud]

@misaka20038numbe 给的意见非常宝贵，感谢。

[GrahamCloud]

@wshedu 白天就加，手机拉下了。

[cougar]

说实话，真的很酷

[cougar]

不过我要的数据貌似是没获取到

[GrahamCloud]

@cougar 求问是什么数据，能帮到最好。

[cougar]

@GrahamCloud 我现在页面提示一直在执行中有一小时了，我的账号是 cougar999 ，在 gmail.com ，你应该能看到吧

[GrahamCloud]

@cougar 看到了，在解决。

[kenshinhu]

哦,使用示例这里有拉勾的中山区域连接的? 这个怎样实现的?

[GrahamCloud]

@kenshinhu 结合定位。

[GrahamCloud]

@cougar 方便的话加下微信或者首页客服里聊聊吧，好像还在卡。认真解决一下。

[jaylong]

邮件 token 非法

[GrahamCloud]

感谢！

[yu550461029]

打算爬一下国家统计局的行政区划，感觉不大会用呢

[GrahamCloud]

@yu550461029 想爬什么样的，具体说说？

[GreatMartial]

支持，有空体验一下

[blackFool]

界面交互不错，爬爬微信公号

[quericy]

页面元素只能选取,不能直接交互:
http://www.huipinzhe.com/nanzhuang?page=1
遇到有全屏遮罩的还得手动 F12......

如果有的页面需要一系列操作 JS 拼接的数据,是不是就无法采集?

[GrahamCloud]

@quericy 因为上新 ui 的缘故，完成创建的步骤今天卡住了，采集方面，应该是能支持的。

[quericy]

@GrahamCloud 和创建步骤无关.我指的是相应页面原有的点击事件,而不是选用无用的元素.不少网站首次访问无 cookie 状态下会有全屏遮罩,这时是无法选取需要采集的列表的元素的

[GrahamCloud]

@quericy 这个坑确实是有点大，现在还在解决。欢迎加微信： Zaoshuio

[saber000]

没有 api 吗

[GrahamCloud]

@saber000 这是这两周的安排。

[GrahamCloud]

@saber000 api 需求欢迎提交给我，微信 Zaoshuio

[lakewong]

试了试爬知乎首页

[GrahamCloud]

@lakewong 不不，不能爬首页，对于知乎，将来可以通过 api 来搞。
首页的示例里，链家，拉钩这样的，是我们的主要应用场景。

[xvx]

域名早熟？

[GrahamCloud]

@xvx 晚熟，晚熟。

[mingyun]

厉害了我的哥，赶紧去看看

[baiyi]

下回节点能放在推广吗

[9hills]

试试爬一下多看电子书，自己爬比较麻烦的是代理池、防抓取等还需要自己做

[GrahamCloud]

@baiyi 其实倒真不是推广，是诚心来探讨聊天来着。推广肯定会买广告位，现在产品不成熟还是求意见聊场景的阶段。

[baiyi]

@GrahamCloud 嗯 加油做一个好产品!

[9hills]

失败了，这个失败都没有地方 debug 。。。

就一个执行失败。。。我还是老老实实的用 scrapy 吧<_<

[hakulamatata]

指哪爬哪能做到就已经能够很好了

[GrahamCloud]

@9hills 我去后台看下啥情况。求告知邮箱

[9hills]

@GrahamCloud [email protected]

[GrahamCloud]

@9hills 为了易用， debug 暂时不能给使用者，现在只能我们尽量帮 debug

[GrahamCloud]

@hakulamatata 产品上问题还特别特别多

[GrahamCloud]

@hakulamatata 看哪不好随时说。

[haigeek]

没人试试高校的教务管理系统吗？ aspx 页面，某果，界面是空白的。

[GrahamCloud]

@haigeek 求告知网址！

[haigeek]

@GrahamCloud http://kmustjwcxk1.kmust.edu.cn/jwweb/ 这个是登录地址，是需要账户和密码的。
http://kmustjwcxk1.kmust.edu.cn/jwweb/MAINFRM.aspx 这个是登录上去的 但是我怕你还是打不开 但是你看后缀是 aspx 的，在页面直接是没有右键选项的。这个管理系统是青果，似乎国内用的也不少，听说是便宜。可以根据信息参考下。

[iammapping]

能不能设置规则，爬完列表下钻到详细页爬其他信息

[GrahamCloud]

@iammapping 正在努力搞这个功能。

[GrahamCloud]

@haigeek 太感谢了！求加微信： Zaoshuio

[demov2]

以前有一个国外的网站提供一样的服务，后来被收购了。。就没有服务了。。体验很不错。试用一下~

[isb]

试着爬链家十个页面。。不知道为什么快十分钟了还是在执行任务中。。。

任务能否有个进度条。。

还有可否增加终止任务？？

[siknet]

恕我无理，这个东西和火车头之类的相比有什么优点？可视化吗？实际操作试了一下，好像不是很利啊。

比如 http://videos.yizhansou.com/这个站，点选下面的剧集会连上面的置顶剧集一起选择，这个怎么解。。。

[RyuZheng]

试了一下，似乎还不太行，尝试的网站是国家食品药物监管局
http://app2.sfda.gov.cn/datasearchp/gzcxSearch.do
就想爬一下这些列表。

[GrahamCloud]

@isb 这个提议非常好

[GrahamCloud]

@siknet 现在这个站点进去没东西，现在智能识别问题是还有，谢谢发现这个问题

[GrahamCloud]

@RyuZheng 这个会作为重点帮你搞定

[ivvei]

多久才能出结果…… 随便扔了个页面地址过去，十几分钟了还在“分析页面”中……

[GrahamCloud]

@ivvei 应该是几秒钟就该分析好了，是什么网站。

[siknet]

@GrahamCloud http://videos.yizhansou.com/
这个链接，之前论坛没断好 url 。

[ivvei]

@GrahamCloud http://www.zjsgat.gov.cn/jwzx/jsyw/index_1.html 这个，浙江省公安厅新闻页

[ivvei]

@GrahamCloud 今天试了下，倒是可以出结果了。不知道是不是昨天网络问题……

[GrahamCloud]

@ivvei 昨天有一段时间是出现了网络问题，嗯。

[GrahamCloud]

@ivvei 这个网站需要的数据，你看都能按你要求下来不。

[ivvei]

@GrahamCloud 还不错。虽然有小部分错乱，但是我要的数据还是取到了的。要是能支持翻页就好了。

[GrahamCloud]

@ivvei 翻页是支持的，在你的控制台地址设置里面。

[isnowify]

很赞！

[cxl008]

坐等开源

[bozong]

@wshedu #9 爬过企业信息吗

[haoxuexiaoyao]

这个怎么用呢 爬的数据能自己保存到数据库么

[haoxuexiaoyao]

一直提示链接超时

[firldlove]

刚刚用 https://www.v2ex.com/ 试了一下，结果是 ERR_CONNECTION_RESET

[ELLIA]

一直出错啊~

[GrahamCloud]

@haoxuexiaoyao
@firldlove
@ELLIA 感谢提出问题，正在紧张处理了。

[GrahamCloud]

@haoxuexiaoyao 爬的数据可以保存到数据库

[GrahamCloud]

@isnowify 谢谢支持！

[GrahamCloud]

@cxl008 一直在上新功能，估计可预见的时间不会开源

[isnowify]

@GrahamCloud 如果可以批量爬就更好了 比如某个成绩查询页面 直接枚举批量 post 准考证号得到结果

[lwd2136]

@GrahamCloud http://www.whwater.com/gsfw/tstz/ 爬不动？执行出错

[ELLIA]

嗯，现在好像能用了……

[ybh37]

试了一下 百度新闻，失败 4 次
难道我姿势不对？

[sphawkcn]

@GrahamCloud 想爬取 http://xueshu.baidu.com/u/paperhelp/ 这个页面的“待应助” 下面的 “等待应助” 这个子标签页下的每一栏的文题。发现没法点击“等待应助” ，没法点进去。

[ELLIA]

@ybh37 我这边试了别的，也都是出错

[GrahamCloud]

@isnowify 这个功能马上就会上

[GrahamCloud]

@lwd2136
@ybh37 今天负载异常高，正在努力扩容。

[GrahamCloud]

@sphawkcn 这个分页功能这一版还不支持，之后的一版会有改进。欢迎加 微信： Zaoshuio

[ELLIA]

今天有数据了，不过有几个问题，第一就是只会爬一页，如果需要第二页我得手动加入网址。
其次是目前只支持定时一天爬一次是吗？还是未来也这样。

最后就是我设了邮箱，但是没有收到邮件……