¿El rastreo de datos es difícil? ¡El plugin Automa te ayuda fácilmente!

你是否遇到过这些困扰？「手动复制粘贴数据太耗时，效率低下」.;「想要批量收集网页数据，但不会写代码」.;「尝试过其他爬虫工具，但都太复杂，学习成本高」.;「担心爬虫会被网站封禁，不知如何处理」.

别担心！今天我将教你使用 Automa 这个神器，让数据爬取变得简单又高效！

1. Automa：你的无代码数据采集助手

Automa插件界面总览

Automa 是一个强大的 Chrome 浏览器自动化插件。它能帮你「自动化浏览网页操作，批量采集数据，导出数据为各种格式，设置定时任务」.

最重要的是：「完全不需要写代码，通过可视化界面就能搞定！」

2. 从入门到精通：三步搞定数据爬取

第一步：安装和基础设置

在 Chrome 商店搜索"Automa"并安装，点击浏览器右上角的 Automa 图标，然后创建新的工作流。

Chrome商店安装界面

Automa插件位置

工作流创建界面

第二步：设计工作流程

以爬取电商产品数据为例，「核心步骤」包括：「设置起始页面，添加循环块处理分页，提取商品信息，最后导出数据」.

第三步：运行和优化

为了确保数据采集的稳定性和效率，「需要设置合理的延迟时间，等待页面加载完成」。同时要「添加错误处理机制，防止意外中断」.

3. 实战案例：小红薯热帖数据采集

Automa 核心概念说明

在开始实战之前，让我们先了解一下 Automa 的几个核心概念：

1. 工作流(Flujo de trabajo): 整体任务流程的容器
2. 块(Block): 每个具体功能模块
3. 选择器(Selector): 定位网页元素的工具
4. 变量(Variable): 存储临时数据
5. 触发器(Trigger): 启动工作流的条件
6. 数据表(Table): 收集整理数据的表格

工作流自动化基础概述

案例分析

以小红薯热帖数据采集为例，我们来看看如何使用 Automa 采集热门笔记数据。核心就是模仿我们自己手动采集的过程，然后使用 Automa 来实现自动化。

小红书数据采集流程

首先我们来看看如何使用 Automa 采集小红书数据。整个流程分为以下几个步骤:

创建工作流并配置触发器

创建一个名为"小红书数据收集"的工作流。在触发器(Trigger)中添加一个名为"key_word"的参数,用于输入要搜索的关键词。这个参数的默认值设为"独立开发者"。

触发器配置

打开目标页面并搜索

使用"新建标签页"(New Tab)块打开小红书首页(https://www.xiaohongshu.com/explore)。然后使用表单(Forms)块来定位搜索框。

如何选择到元素

1. 在 dashboard 侧边栏中找到如下图标，即可进入页面选择元素
   

   获取选择器

2. 在采集页面上选择元素，然后点击右上角的复制按钮
   

   复制选择器

3. 将上一步选择的元素粘贴到 Automa 的 Css Selcetor 中
   

   粘贴选择器

循环采集数据

使用循环元素(Loop Elements)块遍历笔记列表。我们需要获取笔记列表的选择器：

1. 在笔记列表页面，右键点击任意一个笔记封面
2. 用 Automa 选择器获取工具获取选择器".note-item .cover"

循环配置

打开帖子并获取详情

在循环中,我们需要点击每个笔记进入详情页面。这里需要注意以下几点:

1. 「等待页面加载」使用"等待元素"(Wait Element)块,确保页面完全加载:
2. 「点击笔记封面」使用"点击元素"(Click Element)块,点击每个笔记封面:
3. 「等待详情页面加载」使用"等待元素"(Wait Element)块,确保详情页面完全加载:
   

   打开元素示意图

在每次循环中采集的数据选择器获取方法：

1. KOL 名称: 右键点击作者名称 > 检查 > 复制选择器 "a.name"
2. 笔记标题: 选择器 "div#detail-title"
3. 笔记内容: 选择器 "#detail-desc > .note-text > span"
4. 互动数据:
   • 点赞数: ".left > .like-wrapper > .count"
   • 收藏数: "#note-page-collect-board-guide > .count"
   • 评论数: ".chat-wrapper > .count"

选择器示例

Exportar datos

最后使用导出数据(Export Data)块,将采集到的数据以 CSV 格式导出。

consejo

• 如果选择器不准确，可以尝试使用 XPath
• 添加适当的延时等待页面加载
• 定期检查选择器是否失效
• 建议每次采集不超过 20 条数据
• 控制采集频率，不要频繁采集

整个工作流通过合理的延时控制和选择器定位,可以稳定地完成数据采集任务。同时通过参数化配置,方便根据不同需求调整采集关键词。

4. 常见问题与解决方案

动态选择器详解

在采集多个相似元素时,我们经常需要使用动态选择器。让我们通过一个实际的例子来学习。

以这个选择器为例:

!!.note-item:nth-child({{loopData.loopId.$index+1}}) .cover

这个选择器看起来很复杂,让我们一步步拆解:

!! 前缀是 Automa 的特殊语法,表示使用 JavaScript 选择器而不是 CSS 选择器,让我们能够使用更灵活的选择方式。

.note-item选择 class 为"note-item"的元素,这通常是列表中的每个帖子容器。

:nth-child()是 CSS 的子元素选择器,用于选择特定位置的子元素,括号内可以是数字或表达式。

{{loopData.loopId.$index+1}}ha dado en el clavo{{}}是 Automa 的变量语法,loopData.loopId.$index是循环中的当前索引(从 0 开始),+1是因为:nth-child从 1 开始计数。

.cover选择最终目标元素,在这个例子中是帖子的封面图。

在循环块中这样配置:

{
  selector: "!!.note-item:nth-child({{loopData.loopId.$index+1}}) .cover",
  timeout: 5000
}

为什么要这样写？因为它能实现动态定位:

• 第 1 次循环: .note-item:nth-child(1) .cover
• 第 2 次循环: .note-item:nth-child(2) .cover
• 第 3 次循环: .note-item:nth-child(3) .cover
• 以此类推...

这样可以避免固定选择器的问题:

/* 错误写法 */
.note-item .cover  // 会选中所有cover元素

/* 正确写法 */
!!.note-item:nth-child({{loopData.loopId.$index+1}}) .cover  // 精确选择当前循环的元素

如果你不确定选择器是否正确,可以在浏览器控制台测试:

// 假设当前是第3次循环
document.querySelector('.note-item:nth-child(3) .cover')

也可以使用 Automa 的日志功能:

{
  type: "log",
  message: "当前选择器: .note-item:nth-child({{loopData.loopId.$index+1}}) .cover"
}

通过这种动态选择器的方式,我们可以准确定位每次循环中的目标元素,避免选择到错误的元素,提高工作流的稳定性和准确性。选择器的编写是数据采集中最关键的部分之一,合理使用动态选择器可以让你的工作流更加健壮和可靠。