网页抓取(也称为网络数据提取或网页爬取)是指从网上获取数据,并将获取到的非结构化数据转化为结构化的数据,最终能够将数据存储到本地计算机或数据库的一种技术。数据库
网页抓取是经过抓取软件实现的。当你在使用浏览器如Chorme浏览页面的时候,咱们能够抓取的不单单是你所浏览的页面的数据,还有你浏览器本地的缓存(饼干)。是否是开始担忧你的隐私了?是的,我也有这样的担忧,不过咱们在这里不讨论这个问题。编程
网页抓取的软件有不少,在这篇文章中,我将作列出30种主流软件,供你们参考使用。api
1.美丽的汤浏览器
美丽的汤是一个Python库,专门用于抓取HTML和XML文件。若是你的操做系统是Debian或者Ubuntu,你能够尝试安装这款免费软件。缓存
2. Import.io网络
Import.io是一个免费的在线网页抓取软件,能够从网站中抓取数据并整理成数据集。它拥有很好的交互设计,使用起来很是方便。工具
3. Mozenda优化
Mozenda提供的数据提取工具能够很容易地抓取到来自网页的数据,即使没有键盘,只须要鼠标也能轻松操做。网站
4. ParseHub搜索引擎
ParseHub是一种可视化网页采集软件,可用于从网页中获取数据。它能够从不提供API的网站中轻松建立API。
5.八卦
Octoparse是的Windows的提供的免费网页抓取软件。它能够将非结构化或半结构化的数据从网站中转化为一个结构化的数据集,整个过程无需编码,这对于不懂编程的人来讲是很是有用的。
6. CrawlMonster
CrawlMonster是网站搜索引擎优化的一个免费的网络软件,它可以扫描各类不一样的数据点的网站。
7.内涵
Connotate提供自动化网络数据抓取解决方案,你只须要提供一个信息类型的模板,Connotate就能够为你自动抓取你想要的数据。
8.常见爬网
Common Crawl提供抓取网站的公开数据集。它包含原始的网页数据,提取的元数据和文本信息。
9.抓狂
痒痒提供数据自动转换服务,可以将网页中的各类类型的数据转换成JSON或CSV格式的结构化数据。
10.内容抓取器
Content Grabber是面向企业的网页抓取软件,它容许你建立一个独立的网页抓取代理。
11. Diffbot
Diffbot是一款能够将结构化的数据自动生成为API的一款软件,对于开发者来讲它是不错的工具。
12. Dexi.io
Dexi.io是一款专业的数据抓取软件,它同时提供数据清洗。这将是处理JavaScript的的最佳选择。
13.数据刮痧工做室
Data Scraping Studio是一个免费的网页爬取软件,能够快速抓取HTML,XML和PDF格式的数据,目前PC端只适用于Windows操做系统。
14.简单的Web提取
Easy Web Extract是用于商业用途的可视化网页抓取软件。该软件的独特功能是HTTP表单提交。
15. FMiner
fminer是一款可视化网页抓取软件,它容许你创建项目的宏记录,方便往后查询调用。