網(wǎng)頁數(shù)據(jù)抓取工具SysNucleus WebHarvy

SysNucleus WebHarvy是一款用于抓取網(wǎng)頁數(shù)據(jù)的工具，這款軟件可以幫你自動從網(wǎng)頁中提取數(shù)據(jù)，并保存在不同的格式提取內(nèi)容。軟件可以自動抓取網(wǎng)頁上的文字、圖片、網(wǎng)址和電子郵件等內(nèi)容，你也可以直接將整個網(wǎng)頁保存為HTML的格式，從而提取網(wǎng)頁里面的所有文本以及圖標(biāo)內(nèi)容。

軟件特色：

1、SysNucleus WebHarvy可以讓您分析網(wǎng)頁上的數(shù)據(jù)

2、可以顯示從一個HTML地址上分析連接數(shù)據(jù)

3、可以延伸到下一個網(wǎng)頁頁面

4、可以指定搜索數(shù)據(jù)的范圍以及內(nèi)容

5、可以將掃描的圖片下載保存

6、支持在瀏覽器上復(fù)制鏈接搜索

7、支持配置對應(yīng)資源項(xiàng)目搜索

8、可以使用項(xiàng)目名稱以及資源名稱查找

9、SysNucleus WebHarvy可以輕松提取數(shù)據(jù)

10、提供更高級的多詞語搜索以及多頁搜索

功能介紹：

1、視覺點(diǎn)和點(diǎn)擊界面

WebHarvy是一個可視化的網(wǎng)頁提取工具。其實(shí)完全沒有必要編寫任何腳本或代碼用來提取數(shù)據(jù)。使用WebHarvy的內(nèi)置瀏覽器瀏覽網(wǎng)頁。您可以選擇用鼠標(biāo)點(diǎn)擊來提取數(shù)據(jù)。它是那么容易!

2、智能識別模式

自動識別網(wǎng)頁中出現(xiàn)的數(shù)據(jù)模式。所以，如果你需要從一個網(wǎng)頁刮項(xiàng)目(姓名，地址，電子郵件，價格等)的列表，你不需要做任何額外的配置。如果數(shù)據(jù)重復(fù)，WebHarvy會自動刮。

3、導(dǎo)出捕獲的數(shù)據(jù)

可以保存從各種格式的網(wǎng)頁中提取的數(shù)據(jù)。 WebHarvy網(wǎng)站刮板的當(dāng)前版本允許你導(dǎo)出的刮數(shù)據(jù)作為XML，CSV，JSON或TSV文件。您還可以刮下數(shù)據(jù)導(dǎo)出到一個SQL數(shù)據(jù)庫。

4、從多個頁面提取

通常網(wǎng)頁顯示數(shù)據(jù)，如在多個頁面中的產(chǎn)品目錄。 WebHarvy可以自動抓取并從多個網(wǎng)頁中提取數(shù)據(jù)。只是指出了“鏈接到下一頁和WebHarvy網(wǎng)站刮板將自動刮從所有頁面的數(shù)據(jù)。

5、基于關(guān)鍵字的提取

基于關(guān)鍵字的提取可讓您捕捉從搜索結(jié)果頁面輸入關(guān)鍵字的列表數(shù)據(jù)。您創(chuàng)建的配置將被自動重復(fù)所有給定輸入關(guān)鍵字，而挖掘的數(shù)據(jù)�？梢灾付ㄈ我鈹�(shù)量的輸入關(guān)鍵字

6、通過代{過}{濾}理服務(wù)器提取

提取匿名和防止提取網(wǎng)絡(luò)軟件被封鎖的Web服務(wù)器，您必須通過代{過}{濾}理服務(wù)器訪問目標(biāo)網(wǎng)站的選項(xiàng)�？梢允褂靡粋�單一的代{過}{濾}理服務(wù)器地址或代{過}{濾}理服務(wù)器的地址列表。

7、提取分類

WebHarvy網(wǎng)站刮板允許您從一個鏈接列表，從而導(dǎo)致一個網(wǎng)站內(nèi)的相似頁面抽取數(shù)據(jù)。這使您可以使用一個單一的配置刮網(wǎng)站內(nèi)的類別或小節(jié)。

8、使用正則表達(dá)式提取

WebHarvy可以應(yīng)用正則表達(dá)式(正則表達(dá)式)在文本或網(wǎng)頁的HTML源代碼，并提取去匹配的部分。這種強(qiáng)大的技術(shù)為您提供了更多的靈活性，同時拼搶的數(shù)據(jù)。