下載并安裝成功爬山虎采集器后，可以看到工具欄。

單擊“新建任務(wù)”，創(chuàng)建自定義采集。

新建任務(wù)第一步需要輸入網(wǎng)址。

打開亞馬遜網(wǎng)頁，輸入關(guān)鍵詞“tunic tops for women”并進(jìn)行搜索，搜索后將會(huì)生成以下的網(wǎng)頁鏈接https://www.amazon.com/ s?k=tunci+tops+for+women&ref=nbsbnoss，對該鏈接進(jìn)行復(fù)制，粘貼至需要抓取的網(wǎng)頁地址中。

爬山虎可以同時(shí)對多個(gè)鏈接進(jìn)行抓取，因此如果需要同時(shí)抓取多個(gè)關(guān)鍵詞搜索結(jié)果，可以輸入多個(gè)鏈接，但抓取速度將會(huì)受到較大影響。

完成粘貼后單擊“下一步”按鈕，進(jìn)入抓取數(shù)據(jù)環(huán)節(jié)。

等待1~2分鐘，爬山虎就會(huì)自動(dòng)對網(wǎng)頁信息進(jìn)行試抓取和整理。

最終生成的數(shù)據(jù)文件。

從表格中可以看到，此處的7列數(shù)據(jù)中并沒有數(shù)據(jù)化選品需要的數(shù)據(jù)。

單擊其他列上方的篩選按鈕，即可選擇刪除該數(shù)據(jù)，最終只保留第2列的鏈接和第5列review數(shù)量進(jìn)行深入采集。

當(dāng)自動(dòng)識(shí)別的結(jié)果不是想要的數(shù)據(jù)時(shí)，單擊“列表模式”下拉按鈕，在下拉列表中選擇列表模式。

“選擇列表”選項(xiàng)，在上方網(wǎng)站中單擊，即可完成數(shù)據(jù)選取。

此時(shí)采集器只能選中當(dāng)前頁面的數(shù)據(jù)，要想進(jìn)行翻頁抓取，需要單擊左下角的分頁設(shè)置，選擇“自動(dòng)識(shí)別分頁”。

采集器將自動(dòng)找到翻頁按鈕，實(shí)際抓取時(shí)自動(dòng)進(jìn)行單擊操作。

完成一級頁面的操作后，選中titlelink列，單擊深入此鏈接采集。

瀏覽器會(huì)新建一個(gè)內(nèi)容頁的標(biāo)簽頁。

在內(nèi)容頁標(biāo)簽頁中向下翻頁，即可找到上架時(shí)間、父ASIN、大類目排名。

由于抓取內(nèi)容為文本內(nèi)容，且不同鏈接中，這3行數(shù)據(jù)的位置不同，因此可以通過XPath功能完成抓取。

具體操作為:雙擊選中抓取內(nèi)容，右擊并選擇“生成XPath→根據(jù)前綴文本生成”命令。

此時(shí)將會(huì)生成對應(yīng)代碼。

選擇復(fù)制該代碼。

單擊“添加字段”按鈕添加3列字段，并對每個(gè)字段進(jìn)行手動(dòng)設(shè)置XPath，將上述代碼粘貼至手動(dòng)設(shè)置區(qū)，最終完成設(shè)置后，單擊“下一步”按鈕。

此處需要注意的是，由于鏈接中所包含的ASIN為產(chǎn)品子SKU對應(yīng)ASIN，不利于后期判斷數(shù)據(jù)一致性，因此一定要采集父ASIN。

在第三步中，直接單擊“保存”按鈕，即可完成任務(wù)編輯，最終導(dǎo)出的數(shù)據(jù)將會(huì)合并一級頁面的2列和二級頁面的3列。

返回首頁，選中剛才創(chuàng)建的任務(wù)，單擊“開始”按鈕，采集器即可開始抓取網(wǎng)頁內(nèi)容。

在采集過程中，由于需要進(jìn)行二級頁面的采集，因此每個(gè)數(shù)據(jù)采集時(shí)間約為20秒以上。

在實(shí)際的運(yùn)營過程中，最好可以將采集時(shí)間設(shè)置為每日下午8點(diǎn)至次日上午8時(shí)。

在保證抓取時(shí)間的相對一致以外，確保每天可以采集3 000條以上的數(shù)據(jù)。

運(yùn)營者持續(xù)抓取一個(gè)月并去除重復(fù)值后，可獲取10 000余條鏈接數(shù)據(jù)。

由于采集器將會(huì)在短時(shí)間內(nèi)產(chǎn)生大量重復(fù)點(diǎn)擊，在1~2個(gè)月內(nèi)將有可能觸發(fā)亞馬遜的機(jī)器人檢測。

因此采集器最好在非店鋪后臺(tái)的計(jì)算機(jī)進(jìn)行操作，避免對日常運(yùn)營產(chǎn)生影響。