读完须要
6分钟
速读仅需 2分钟
你有没有碰着过这样的问题，网页里面有几百个网址链接，须要你统计下来，你会逐一粘贴复制到表格里吗？
或者要统计公司潜在客户的邮箱，须要通过关键词去搜索，然后每个网页都要点击进去，找找看有没有邮箱呢？
对付上面这张种大批量重复的事情，难道就没有更好的、快捷的、大略的办理方案吗？
当然是有的，本日这篇文章将给你分享 ——如何利用大略爬虫办理重复大量的事情。
不过，在进入教程之前，我们要聊聊：
什么是爬虫
大略来说，爬虫便是一种网络机器人，紧张浸染便是搜集网络数据，我们熟知的谷歌和百度等搜索引擎便是通过爬虫搜集网站的数据，根据这些数据对网站进行排序。
既然谷歌可以利用爬虫搜集网站数据，那我们是否能利用爬虫帮我们搜集数据呢？
当然是可以的。
我们可以用爬虫做什么
前面已经讲过，如果你碰着一些重复大量的事情，实在都可以交给爬虫来做，比如：
•搜集特定关键词下的用户邮箱•批量搜集关键词•批量下载图片•批量导出导入文章•……
比如我想搜索iphone case的干系用户邮箱，那么可以去Google搜索iphone case这个关键词，然后统计下干系网页，把网址提交给爬虫程序，接着我们就等着出结果就行了。
当然，创作一个特定的爬虫程序须要一定的技能根本，市情上主流都是利用python来制作爬虫程序，不过我们本日用一个更大略易懂的爬虫软件——Google Sheet，不用写任何代码的哦！
利用Google Sheet爬取数据
Google sheet（以下简称GS）是Google旗下的在线办公套件之一，和微软的办公三剑客恰好逐一对应：
•Google doc - Word•Google sheet - Excel•Google presentation - PPT
基本上Excel上的公式都可以在GS上运行，不过GS还要其余一个公式，是Excel不具备的，也便是
IMPORTXML
我们新建一个GS，这个操作和Execl操作同等，然后在A1栏输入我们须要爬取数据的网址，记得网址必须包含https或http，只有这种完全写法才会生效。
然后在B1栏输入
=importxml(A1,''//title\公众)
在B1栏输入完成之后我们就会得到如下数据
这样就得到了网址的SEO Title。
SEO Title涌如今每个浏览器窗口的标签处，也是网站呈现给Google搜索引擎的第一上岸点，里面包含该网页的关键词等主要信息。
接下来我们在C1栏输入如下公式：
=IMPORTXML(A1,\"大众//meta[@name='description']/@content\公众)
然后我们就得到了网页的Meta Description
我们能看到，刚才搜集的两个信息便是Google SERPs中很主要的两个元素，Title和Description，基本上要做好站内SEO，这两点要做好。
批量爬取网页SEO信息
按照上面的两个公式，我们分别在A1B1C1栏中输入网址、Title、Description，然后A列填满想要爬取的网址，B列和C列利用Excel的复制下拉选项，便是鼠标放到C1栏的右下角涌现十字标识后，往下拉动鼠标，C列的其他栏会自动添补好C1的公式:
然后我们就得到了所有网址的Title和Description
统计完这些数据之后，我们之后就再也不用愁怎么写SEO Title啦。
如果大家想爬取全体网址的Title与Description，可以把竞品的网址全部放上来。至于如何获取全体网址的链接，大家可以去查一下网址的sitemap.xml，在这里面可以找到一个网站所有的链接。
理解公式构造
既然importxml可以批量爬取SEO Title，那么当然也是可以爬取其他内容的，比如邮箱地址与链接地址，我们先来剖析一下公式构造：
=IMPORTXML(A1,\公众default\公众)
A1表示所在列，default表示须要爬取的页面内容构造，以是我们只要修正default值，就能够爬取更多信息，这里给大家展示一下我们在做SEO和统计信息中常用的值
站内链接，个中的domain.com换成要统计的域名
//a[contains(@href, 'domain.com')]/@href
站外链接，个中的domain.com换成要统计的域名
//a[not(contains(@href, 'domain.com'))]/@href
邮箱统计：
//a[contains(@href, 'mailTo:') or contains(@href, 'mailto:')]/@href
社交链接，包括linkedin, fb, twitter
//a[contains(@href, 'linkedin.com/in') or contains(@href, 'twitter.com/') or contains(@href, 'facebook.com/')]/@href
如果你想理解更多能利用的爬虫公式，可以参考Google 官方文档
https://support.google.com/docs/answer/3093342?hl=zh-Hans
也可以深入理解一下xpath
https://www.w3schools.com/xml/xpath_intro.asp
（来源：外贸增长官）
以上内容属作者个人不雅观点，不代表雨果网态度！
本文经原作者授权转载，转载需经原作者授权赞许。
上雨果网搜索“跨境资料库”,领取欧美/东南亚各国市场商机、各大平台热销品报告、跨境电商营销白皮书！
