如何用Web Scraper抓取巨潮資訊網全站樂視相關pdf檔案

今天樂視的股價可以說是從水深火熱到激情澎湃，振幅高達 19.5%，不知大家都賺到了嗎？

不管賺沒賺到，買股票前收集資料進行調研還是必須的。

上市公司資訊釋出哪裡權威呢，自然是巨潮資訊，畢竟是中國證監會指定資訊披露網站。

如何抓取其中樂視相關 pdf 檔案呢，從網站上一個個下載多累，還未必能找全，我教你個辦法，自動化抓取，一勞永逸。下面開始演示。

 

一、搜尋

這裡以從巨潮資訊網 全站樂視 相關 pdf 為例，巨潮網址：

http://www.cninfo.com.cn

注意裡面用了 site 和 filetype 兩個操作符，這兩個啥用途呢？

site 用於列出某域名下所有網頁（包含檔案）

filetype 用於篩選檔案型別

二者結合就起到列出網站下所有搜尋詞相關 pdf 檔案的目的。

 

二、抓取

現在連結有了，如何抓取呢，這裡就該 Web Scraper 出場了。

1、建立 Sitemap。

2、按如下結構建立選擇器。

3、抓取並匯出 Excel 如下。

 

三、下載

連結有了，如何下載呢，迅雷上唄。

下載任務圓滿完成：

 

四、思考

1、樂視抓完了，格力呢？巨潮會抓了，別的網站呢？

2、如果把搜尋詞樂視去掉又會如何？這裡面有什麼花頭可挖？

3、filetype 後面換個別的檔案型別呢，比如 ppt，doc，xls？

4、百度高階搜尋 介面如下，你還能想出什麼玩法？