這是簡易數據分析系列的第 11 篇文章。
今天我們講講如何抓取網頁表格里的數據。首先我們分析一下，網頁里的經典表格是怎么構成的。
First Name所在的行比較特殊，是一個表格的表頭，表示信息分類- 2-5 行是表格的主體，展示分類內容
經典表格就這些知識點，沒了。下面我們寫個簡單的表格 Web Scraper 爬蟲。
1.制作 Sitemap
我們今天的練手網站是
http://www.huochepiao.com/search/chaxun/result.asp?txtChuFa=�Ϻ�&txtDaoDa=����
爬蟲的內容是抓取上海到北京的所有列車時刻表。
我們先創建一個包含整個表格的 container，Type 類型選為 Table，表示我們要抓取表格。
具體的參數如上圖所示，因為比較簡單，就不多說了。
在這個面板下向下翻，會發現多了一個不一樣的面板。觀察一下你就會發現，這些數據其實就是表格數據類型的分類，在這個案例里，他把車次、出發站、開車時間等分類都列了出來。
在 Table columns 這個分類里，每一行的內容旁邊的選擇按鈕默認都是打勾的，也就是說默認都會抓取這些列的內容。如果你不想抓取某類內容，去掉對應的勾選就可以了。
在你點擊 Save selector 的按鈕時，會發現 Result key 的一些選項報錯，說什么 invalid format 格式無效：
解決這個報錯很簡單，一般來說是 Result key 名字的長度不夠，你給加個空格加個標點符號就行。如果還報錯，就試試換成英文名字：
解決報錯保存成功后，我們就可以按照 Web Scraper 的爬取套路抓取數據了。
2.為什么我不建議你用 Web Scraper 的 Table Selector？
如果你按照剛剛的教程做下里，就會感覺很順利，但是查看數據時就會傻眼了。
剛開始抓取時，我們先用 Data preview 預覽一下數據，會發現數據很完美：
抓取數據后，在瀏覽器的預覽面板預覽，會發現車次這一列數據為 null，意味着沒有抓取到相關內容：
我們下載抓取的 CSV 文件后，在預覽器里打開，會發現車次的數據出現了，但出發站的數據又為 null 了！
這不是坑爹呢！
關於這個問題我調查了半天，應該是 Web Scraper 對中文關鍵字索引的支持不太友好，所以會拋出一些詭異的 bug，因此我並不建議大家用它的 Table 功能。
如果真的想抓取表格數據，我們可以用之前的方案，先創建一個類型為 Element 的 container，然后在 container 里再手動創建子選擇器，這樣就可以規避這個問題。
上面只是一個原因，還有一個原因是，在現代網站，很少有人用 HTML 原始表格了。
HTML 提供了表格的基礎標簽，比如說 <table>、 <thead>、 <tbody> 等標簽，這些標簽上提供了默認的樣式。好處是在互聯網剛剛發展起來時，可以提供開箱即用的表格；缺點是樣式太單一，不太好定制，后來很多網站用其它標簽模擬表格，就像 PPT里用各種大小方塊組合出一個表格一樣，方便定制：
出於這個原因，當你在用 Table Selector 匹配一個表格時，可能會死活匹配不上，因為從 Web Scraper 的角度考慮，你看到的那個表格就是個高仿，根本不是原裝正品，自然是不認的。
3.總結
我們並不建議直接使用 Web Scraper 的 Table Selector，因為對中文支持不太友好，也不太好匹配現代網頁。如果有抓取表格的需求，可以用之前的創建父子選擇器的方法來做。
4.推薦閱讀
簡易數據分析 10 | Web Scraper 翻頁——抓取「滾動加載」類型網頁
5.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。
