這是簡易數據分析系列的第 16 篇文章。
這期課程我們講一個用的較少的 Web Scraper 功能——抓取屬性信息。
網頁在展示信息的時候，除了我們看到的內容，其實還有很多隱藏的信息。我們拿豆瓣電影250舉個例子：
電影圖片正常顯示的時候是這個樣子：
如果網絡異常，圖片加載失敗，就會顯示圖片的默認文案，這個文案其實就是這個圖片的屬性信息：
我們查看一下這個結構的 HTML（查看方法可見 CSS 選擇器的使用的第一節內容），就會發現圖片的默認文案其實就是這個 <img/> 標簽的 alt 屬性：
我們可以看一下 HTML 文檔里對 alt 屬性的描述：
alt 屬性是一個必需的屬性，它規定在圖像無法顯示時的替代文本
在 web scraper 里，我們可以利用 Element attribute 屬性來抓取這種屬性信息。
因為這次的內容比較簡單，新建 sitemap 這一步我就先省略了，我們直接上來使用 Element attribute 抓取數據。
我們把 Type 選為 Element attribute，然后用 Selector 選中圖片這個元素：
Element attribute 會多一個選項——Attribute name，我們在這個輸入框里輸入我們要抓取的屬性名字。
觀察一下這個 img 標簽的屬性，有 alt（替換文本）、width（圖片寬度）和 src（圖片鏈接）3 種：
這里我先輸入 alt，表示抓取圖片的替代文本：
還可以輸入 src，表示抓取圖片的鏈接：
也可以輸入 width，抓取圖片寬度：
通過 Element attribute 這個選擇器，我們就可以抓取一些網頁沒有直接展示出來的數據信息，非常的方便。
sitemap 分享
{"_id":"douban2","startUrl":["https://movie.douban.com/top250?start=0&filter="],"selectors":[{"id":"ele","type":"SelectorElement","parentSelectors":["_root"],"selector":".grid_view li","multiple":true,"delay":0},{"id":"image_name","type":"SelectorElementAttribute","parentSelectors":["ele"],"selector":"img","multiple":false,"extractAttribute":"alt","delay":0}]}
推薦閱讀
Web Scraper 高級用法——CSS 選擇器的使用 | 簡易數據分析 15
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。
