這是簡易數據分析系列的第 9 篇文章。
今天我們說說 Web Scraper 的一些小功能：自動控制 Web Scraper 抓取數量和 Web Scraper 的父子選擇器。
如何只抓取前 100 條數據？
如果跟着上篇教程一步一步做下來，你會發現這個爬蟲會一直運作，根本停不下來。網頁有 1000 條數據，他就會抓取 1000 條，有 10W 條，就會抓取 10W 條。如果我們的需求很小，只想抓取前 200 條怎么辦？
如果你手動關閉抓取數據的網頁，就會發現數據全部丟失，一條都沒有保存下來，所以說這種暴力的方式不可取。我們目前有兩種方式停止 Web Scraper 的抓取。
2019-10-26 補充：0.4.2 版本的 Web Scraper 已經支持實時保存，也就是說手動關閉抓取數據的網頁也可以保存數據了
1.斷網大法
當你覺得數據抓的差不多了，直接把電腦的網絡斷了。網絡一斷瀏覽器就加載不了數據，Web Scraper 就會誤以為數據抓取完了，然后它會自動停止自動保存。
斷網大法簡單粗暴，雖不優雅，但是有效。缺點就是你得在旁邊盯着，關鍵點手動操作，不是很智能。
2.通過數據編號控制條數
2019-10-26 補充：0.4.2 版本的 Web Scraper 改進了抓取方式，這種方法可能會失效
比如說上篇文章的少數派熱門文章爬蟲，container 的 Selector 為 dl.article-card，他會抓取網頁里所有編號為 dl.article-card 的數據。
我們可以在這個 Selector 后加一個 :nth-of-type(-n+100)，表示抓取前 100 條數據，前 200 條就為 :nth-of-type(-n+200)，1000 條為 :nth-of-type(-n+1000)，以此類推。
這樣，我們就可以通過控制數據的編號來控制需要抓取的數據。
抓取鏈接數據時，頁面跳轉怎么辦？
在上文抓取數據時，可能會遇到一些問題，比如說抓取標題時，標題本身就是個超鏈接，點擊圈選內容后打開了新的網頁，干擾我們確定圈選的內容，體驗不是很好。
其實 Web scraper 提供了對應的解決方案，那就是通過鍵盤來選擇元素，這樣就不會觸發點擊打開新的網頁的問題了。具體的操作面板如下所示，就是我們點擊 Done Selecting 的那個控制條。
我們把單選按鈕選擇后，會出現 S ，P， C 三個字符，意思分別如下：
S：Select，按下鍵盤的 S 鍵，選擇選中的元素
P：Parent，按下鍵盤的 P 鍵，選擇選中元素的父節點
C：Child，按下鍵盤的 C 鍵，選擇選中元素的子節點
我們分別演示一下，首先是通過 S 鍵選擇標題節點：
我們對比上個動圖，會發現節點選中變紅的同時，並沒有打開新的網頁。
如何抓取選中元素的父節點 or 子節點？
通過 P 鍵和 C 鍵選擇父節點和子節點：
按壓 P 鍵后，我們可以明顯看到我們選擇的區域大了一圈，再按 C 鍵后，選擇區域又小了一圈，這個就是父子選擇器的功能。
這期介紹了 Web Scraper 的兩個使用小技巧，下期我們說說 Web Scraper 如何抓取無限滾動的網頁。
聯系我
因為文章發在各大平台上，賬號較多不能及時回復評論和私信，有問題可關注公眾號 ——「鹵蛋實驗室」，（或 wx 搜索 egglabs）關注上車防失聯。
