Excel爬虫工具之如何写公式提取网页数据

使用爬虫工具抓取网页数据的方法很多，有的用Python，有的用专用抓取工具，今天小编介绍如何在表格中写公式抓取网页数据。

以某平台商品详情页为例，如下图所示，给定商品详情页的网址，抓取网页中的sku id。

第一步，查找数据所在的网页元素。在谷歌浏览器中，选中sku所在位置，右键点击检查菜单。

 

第二步，识别sku id数据的规律，从网页源码中，可以使用data-sku来提取。

 

第三步，写公式=RegexStringW(A1,"data-sku=""([\d]+)""",1)，如下图所示，输入公式后显示“加入队列”字样，表示公式可用，此时需打开Excel浏览器。

第四步，运行Excel浏览器，设置网页抓取任务。

第五步，待Excel浏览器运行结束后，回到Excel表格中，重新计算公式。

如上图所示，公式返回了sku id，但是返回了很多，有重复的sku id，说明这个方式提取sku id不精确。接下来用另一个方法。如下图所示，右键查看网页源代码，看是否能从源代码中找到更有规律的数据。

从网页的javascript源代码中发现json格式的sku id，在整个网页中只出现过一次，所以这个抓取会非常精准。

 

写公式=RegexStringW(A1,"""skuId"":([\d]+)",1)，此时抓取的sku id有4个，说明数据是准确。