這是簡易數據分析系列的第 18 篇文章。
2020-10-14 日更新：
Web Scraper 在0.5.1版本后，為了后續的版本迭代，准備遷移數據庫，所以對新用戶關閉了 CouchDB 開關。這個改動意味着，如果你是老用戶並且通過 Google 應用商店更新了 Web Scraper，CouchDB 還是可以使用的；如果你是新用戶，CouchDB 功能就無法使用了；
如果想啟用 CouchDB 功能，可以回退到0.4.*的某個舊版本官方版本更新日志可見 👉：Web Scraper Chrome Extension release notes
利用 web scraper 抓取數據的時候，大家一定會遇到一個問題：數據是亂序的。在之前的教程里，我建議大家利用 Excel 等工具對數據二次加工排序，但還是存在部分數據無法排序的情況。
其實解決數據亂序的方法也有，那就是換一個數據庫。
web scraper 作為一個瀏覽器插件，數據默認保存在瀏覽器的 localStorage 數據庫里。其實 web scraper 還支持外設數據庫——CouchDB。只要切換成這個數據庫，就可以在抓取過程中保證數據正序了。
1.CouchDB 下載安裝
CouchDB 可以從官網下載，官網鏈接為：https://couchdb.apache.org/。
因為服務器在外網，國內訪問可能比較慢，我存了一份雲盤文件，可以公眾號后台回復「CouchDB」獲取下載連接，Mac 和 Win 安裝包都有，版本為 3.0.0。
具體的安裝過程我就忽略了，大家平常怎么安裝軟件就怎么安裝 CouchDB。
2.配置 CouchDB
1.創建賬號
第一次打開 CouchDB，可能會要求你創建一個 CouchDB 賬號（或設置賬號密碼），這里我為了演示方便就取個簡單的密碼。大家一定要記住賬號密碼，因為之后訪問 CouchDB 都要填寫。
2.訪問 CouchDB
一般第一次打開 CouchDB，會自動打開一個網頁，網址為：http://127.0.0.1:5984/_utils/#，如果沒有自動打開，可以瀏覽器手動輸入這個網址。
3.創建 Database
我們可以把 Database 理解為一個文件，我們要創建一個文件專門保存 sitemap，創建流程可以看下圖：
- 點擊「Create Database」
- 為這個文件起個名字，叫「scraper-sitemaps」
- 勾選「Non-partitioned」
- 單擊「Create」創建
3.Web Scraper 切換到 CouchDB
1.首先從瀏覽器右上角的插件列表中找到 Web Scraper 的圖標，然后右鍵點擊，在彈出的菜單里再點擊「選項」。
2.在新打開的管理頁面里，要做這幾步：
- Storage type 切換為 CouchDB
- Sitemap db 填入 http://127.0.0.1:5984/scraper-sitemaps
- Data db 填入 http://127.0.0.1:5984/
3.最后點擊「Save」按鈕保存配置，重啟瀏覽器讓配置生效。
4.抓取數據
抓取數據前，我們需要把電腦的各種網絡代理關掉，要不然可能會連接不到 CouchDB。
網頁還是拿豆瓣 TOP250 做個簡單的演示。web scraper 的操作和以前都是一樣的，預覽數據時我們就會發現，和 localStorage 比起來，數據都是正序的：
我們也可以在 CouchDB 的操作頁面預覽數據。http://127.0.0.1:5984/_utils/# 這個頁面是主界面，我們可以看到保存 sitemap 的 database 和豆瓣數據的 database：
點擊「sitemap-data-douban2」進入數據詳情頁，可以預覽數據：
5.導出數據
導出數據也是老樣子，在 web scraper 插件面板里點擊「Export data as CSV」就可以導出。其實也可以從 CouchDB 里導出數據，但這樣還得寫一些腳本，我這里就不多介紹了，感興趣的人可以自行搜索。
6.個人感悟
其實一開始我並不想介紹 CouchDB，因為從我的角度看，web scraper 是一個很輕量的插件，可以解決一些輕量的抓取需求。加入 CouchDB 后，這個安裝下來要幾百兆的軟件，只是解決了 web scraper 數據亂序的問題，在我看來還是有些大炮打蚊子，也脫離了輕量抓取的初衷。但是有不少讀者私信我相關內容，為了教程的完整性，我還是寫下了這篇文章。
7.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。
