如果是没有代码知识的小白可以试试用成熟的采集器。
目前市面比较成熟的有八爪鱼，后羿等等，但是我个人习惯八爪鱼的界面，用起来也好上手，主要是他家的教程容易看懂。可以试试。
Python爬虫可以爬取的东西有很多，Python爬虫怎么学？简单的分析下：
如果你仔细观察，就不难发现，懂爬虫、学习爬虫的人越来越多，一方面，互联网可以获取的数据越来越多，另一方面，像 Python这样的编程语言提供越来越多的优秀工具，让爬虫变得简单、容易上手。
利用爬虫我们可以获取大量的价值数据，从而获得感性认识中不能得到的信息，比如：
知乎：爬取优质答案，为你筛选出各话题下最优质的内容。
淘宝、京东：抓取商品、评论及销量数据，对各种商品及用户的消费场景进行分析。
安居客、链家：抓取房产买卖及租售信息，分析房价变化趋势、做不同区域的房价分析。
拉勾网、智联：爬取各类职位信息，分析各行业人才需求情况及薪资水平。
雪球网：抓取雪球高回报用户的行为，对股票市场进行分析和预测。
爬虫是入门Python最好的方式，没有之一。Python有很多应用的方向，比如后台开发、web开发、科学计算等等，但爬虫对于初学者而言更友好，原理简单，几行代码就能实现基本的爬虫，学习的过程更加平滑，你能体会更大的成就感。
掌握基本的爬虫后，你再去学习Python数据分析、web开发甚至机器学习，都会更得心应手。因为这个过程中，Python基本语法、库的使用，以及如何查找文档你都非常熟悉了。
对于小白来说，爬虫可能是一件非常复杂、技术门槛很高的事情。比如有人认为学爬虫必须精通 Python，然后哼哧哼哧系统学习 Python 的每个知识点，很久之后发现仍然爬不了数据；有的人则认为先要掌握网页的知识，遂开始 HTMLCSS，结果入了前端的坑，瘁……
但掌握正确的方法，在短时间内做到能够爬取主流网站的数据，其实非常容易实现，但建议你从一开始就要有一个具体的目标。
在目标的驱动下，你的学习才会更加精准和高效。那些所有你认为必须的前置知识，都是可以在完成目标的过程中学到的。这里给你一条平滑的、零基础快速入门的学习路径。
1.学习 Python 包并实现基本的爬虫过程
2.了解非结构化数据的存储
3.学习scrapy，搭建工程化爬虫
4.学习数据库知识，应对大规模数据存储与提取
5.掌握各种技巧，应对特殊网站的反爬措施
6.分布式爬虫，实现大规模并发采集，提升效率
一
学习 Python 包并实现基本的爬虫过程
大部分爬虫都是按“发送请求——获得页面——解析页面——抽取并储存内容”这样的流程来进行，这其实也是模拟了我们使用浏览器获取网页信息的过程。
Python中爬虫相关的包很多：urllib、requests、bs4、scrapy、pyspider 等，建议从requests+Xpath 开始，requests 负责连接网站，返回网页，Xpath 用于解析网页，便于抽取数据。
如果你用过 BeautifulSoup，会发现 Xpath 要省事不少，一层一层检查元素代码的工作，全都省略了。这样下来基本套路都差不多，一般的静态网站根本不在话下，豆瓣、糗事百科、腾讯新闻等基本上都可以上手了。
当然如果你需要爬取异步加载的网站，可以学习浏览器抓包分析真实请求或者学习Selenium来实现自动化，这样，知乎、时光网、猫途鹰这些动态的网站也可以迎刃而解。
二
了解非结构化数据的存储
爬回来的数据可以直接用文档形式存在本地，也可以存入数据库中。
开始数据量不大的时候，你可以直接通过 Python 的语法或 pandas 的方法将数据存为csv这样的文件。
当然你可能发现爬回来的数据并不是干净的，可能会有缺失、错误等等，你还需要对数据进行清洗，可以学习 pandas 包的基本用法来做数据的预处理，得到更干净的数据。
三
学习 scrapy，搭建工程化的爬虫
掌握前面的技术一般量级的数据和代码基本没有问题了，但是在遇到非常复杂的情况，可能仍然会力不从心，这个时候，强大的 scrapy 框架就非常有用了。
scrapy 是一个功能非常强大的爬虫框架，它不仅能便捷地构建request，还有强大的 selector 能够方便地解析 response，然而它最让人惊喜的还是它超高的性能，让你可以将爬虫工程化、模块化。
学会 scrapy，你可以自己去搭建一些爬虫框架，你就基本具备爬虫工程师的思维了。
四
学习数据库基础，应对大规模数据存储
爬回来的数据量小的时候，你可以用文档的形式来存储，一旦数据量大了，这就有点行不通了。所以掌握一种数据库是必须的，学习目前比较主流的 MongoDB 就OK。
MongoDB 可以方便你去存储一些非结构化的数据，比如各种评论的文本，图片的链接等等。你也可以利用PyMongo，更方便地在Python中 *** 作MongoDB。
因为这里要用到的数据库知识其实非常简单，主要是数据如何入库、如何进行提取，在需要的时候再学习就行。
五
掌握各种技巧，应对特殊网站的反爬措施
当然，爬虫过程中也会经历一些绝望啊，比如被网站封IP、比如各种奇怪的验证码、userAgent访问限制、各种动态加载等等。
遇到这些反爬虫的手段，当然还需要一些高级的技巧来应对，常规的比如访问频率控制、使用代理IP池、抓包、验证码的OCR处理等等。
往往网站在高效开发和反爬虫之间会偏向前者，这也为爬虫提供了空间，掌握这些应对反爬虫的技巧，绝大部分的网站已经难不到你了.
六
分布式爬虫，实现大规模并发采集
爬取基本数据已经不是问题了，你的瓶颈会集中到爬取海量数据的效率。这个时候，相信你会很自然地接触到一个很厉害的名字：分布式爬虫。
分布式这个东西，听起来很恐怖，但其实就是利用多线程的原理让多个爬虫同时工作，需要你掌握 Scrapy + MongoDB + Redis 这三种工具。
Scrapy 前面我们说过了，用于做基本的页面爬取，MongoDB 用于存储爬取的数据，Redis 则用来存储要爬取的网页队列，也就是任务队列。
所以有些东西看起来很吓人，但其实分解开来，也不过如此。当你能够写分布式的爬虫的时候，那么你可以去尝试打造一些基本的爬虫架构了，实现一些更加自动化的数据获取。
你看，这一条学习路径下来，你已然可以成为老司机了，非常的顺畅。所以在一开始的时候，尽量不要系统地去啃一些东西，找一个实际的项目（开始可以从豆瓣、小猪这种简单的入手），直接开始就好。
因为爬虫这种技术，既不需要你系统地精通一门语言，也不需要多么高深的数据库技术，高效的姿势就是从实际的项目中去学习这些零散的知识点，你能保证每次学到的都是最需要的那部分。
当然唯一麻烦的是，在具体的问题中，如何找到具体需要的那部分学习资源、如何筛选和甄别，是很多初学者面临的一个大问题。
以上就是我的回答，希望对你有所帮助，望采纳。
学校体质测试数据上传是一件非常复杂和繁琐的事情，在上报过程中经常出现各式各样的错误。该文主要从“国家学生体质健康标准数据管理与分析系统”登录、数据上报 *** 作流程、体质测试数据上报 *** 作及易出现的错误及对策3个方面进行撰写，希望更多的担任体质测试上报工作的同仁可以看到此文后，在上报数据时可以更快、更好地完成体质测试数据上报工作。一、数据管理与分析系统”登录
通过中国学生体质健康网，域名http://www.csh.moe.edu.cn/或“校园学生体质数据管理与分析系统”，上报至“国家学生体质健康标准数据管理与分析系统”，在百度上输入上面的3个搜索项的任意一个即可，然后点击搜索登录页，用登录名和密码登录“国家学生体质健康标准数据管理与分析系统”。登录名为Admin_ 加上学校编号，如果学校标号忘记可以点击下面的全部学习标号查询，如果密码忘记可以通过“忘记密码”功能找回自己的密码。“UKEY登录”需绑定UKEY后才 可登录，首次绑定UKEY需登录系统后进入ukey绑定页面，下载安装驱动文件（文件下载）。安装完成后插入UKEY，读取并绑定。UKEY绑定成功后学校再次登 录系统时可插入UKEY后点击“UKEY登录”直接登录进入系统，无需输入登录名及密码。
二、数据上报 *** 作流程
数据上报的流程为中国学生体质健康网数据报送平台的登录、学校基本信息的设置、年级班级管理、学生基本信息管理、学生体侧成绩管理、测试环境信息管理、学生体侧成绩上报、教育行政部门审核、数据报送完成等，具体如图1。
第一、学校基本信息设置。登录“国家学生体质健康标准数据管理与分析系统”，首先进行学校基本信息设置，如果学校是首次报送数据需要填写基本信息管理，之前报送过体质测试数据的学校不需要填写。
第二、年级班级管理。可以在对应年级下点击“新增班级”进行手工添加班级，也可以点击“班级数据导入”，通过班级模版填写的数据，批量添加班级信息。
第三、学生基本信息管理。
第一步，导出学生基本信息模版，用下载的模版填写学生基本信息。
第二步，点击浏览找到填写完毕的信息模版，点击导入按钮等待数据导入完毕即可（如果导入失败，请根据下方错误信息提示进行修改）。
学生体质测试评分标准及测试方法汇总
第四、学生体质测试成绩管理。
第一步，点击下载按钮下载学生体质测试信息模版。
第二步，点击浏览找到填写完毕的信息模版，点击导入按钮等待数据导入完毕即可（如果导入失败，请根据下方错误信息提示进行修改）。需要注意的是超 过10000条学生体测数据，请分批导入，导入成功后， 第二日可查看各项体测成绩。
第五、测试环境信息管理。两种方法可以进行测试环境信息管理。
第一种手工录入，点击年级下的班级进行手工录入。
第二种模版导入，点击下方“模版导入”按钮，进入测试环境信息导入页面点击浏览找到填写完毕的信息模版，点击 导入按钮等待数据导入完毕即可（如果导入失败，请根据下方错误信息提示进行修改）。
第六，学生体侧成绩上报。
1.年级班级管理
年级班级上报时由于数据比较多建议采用“班级 数据导入”，遗漏的班级数据采用手工添加，年级班级管理包括：年级标号、班级编号、班级名称，年级编号 一般大一为41、大二为43、大三为43、大四为44，班级编号由学号的前8位组成，学生的学号是10位，这样就需 要一个公式来得到班级编号，打开Excel选中学生学号 数据，点击数据、分裂、固定宽度、下一步、分裂线移动到八的位置、下一步、完成，提示是否替换单元格内容 点击确定，班级编号就得到了。
班级名称一般是学生所学的专业。在做年级班级管理的表格时一定要注意3项 要做到一一对应，导入时就不会出现错误。
国家学生体质健康标准及测试方法【大学版】
2.学生基本信息导入
学生基本信息导入和年级班级信息导入一样建议通过“班级数据导入”，通过班级模版填写数据。学生基本信息包括：班级编号、班级名称、学籍号、民族代码、姓名、性别、出生日期、学生来源、身份z号、家庭住址 10项组成。
学籍号是由身份z号前面加一个L组成，下面就需要一个公式来完成，加入身份z号在B列，在B 列前面插入一个空白列A，A2里输入“l=&34L&34&B2”公式 按Enter键，A2就会出现L加上身份z号，选中A2单元格，鼠标放在A2单元格的右下角让其出现一个黑色的 “+”，往下拖填充公式，所有的身份z都加上了一个L，最后将其复制在学籍号那一列右击鼠标，点击选择性粘贴，在d出的对话框中点击数值，最后点击确定，这一步一定不能少，如果少了最后一步，复制过去的带有公 式的数据将无法导入数据库。
出生日期的格式是有要求的，如“1998/11/29”，如果一个一个的输入学生的出生 日期不仅工作量太大而且容易出错，出生日期可以从身 份证号里面提取，既方便又正确，可以节省很多时间。身份z号的提取需要用到一个公式。
假如身份z号在B 列，在B列前插入空列A，
输“A=MId(B2,7,4)&&34/ &34&MId(B2,11,2)&&34/&34&MId(B2,13,2)”
公式按Enter键，A2单元格就会出现1998/11/29，即需要的出生日期格式，选 中A2单元格，鼠标放在A2单元格的右下角让其出现一个黑色的“+”，往下拖填充公式，出生日期就被提取，最后一定要复制，在出生日期那一列右击鼠标，点击选择 性粘贴，在d出的对话框点数值，最后点击确定，这样才完全被提取出来。
学籍号和出生日期都可以用身份z号来获得，其余几项都可以直接从之前输入好的表格里面直接复制过来。有的学校人数比较多导入数据时有一个小错误都无法将数据导入进去，所以建议大 家采用化整为零的方法导入数据，将学生基本信息数 据按照专业来进行导入，这样非常便捷。在导入数据时经常会出现的错误如下。
第一、第几行第2列班级名称：该班级与班级编号不对应，请核对班级、班级编号信息。
第二、第几行第3学籍号：此学籍号与其他学籍号重复。
第三、第几行第8列学生来源：学生来源代码为6为数字或者学生来源找不到与之对应的地区，请核对区域代码。第四，第几行第9列学身份z号：输入的身份z号码不正确。第五，第几行第几列解析错误，请根据模板要求进行核对此项信息。导入数据时一般会出现上述几个问题，根据提示错误进行改正即可。
身份z号错误会导致学籍号和出生日期错误，所以身份z号一 定要正确。错误的身份z号可以利用查找功能在新生点名册汇总里查找进行改正。解析错误一般是Excel里面有空格或者特殊符号等，重新输入一次即可。出现的错误尽量改正，如果无法查找正确的资料，无法改正时就将该学生的基本信息删除。
三、学生体测成绩导入
学生基本信息导入完成后就要进行学生体测成绩导入，可以将之前上报的学生基本信息导出来。请不要修改学生体测成绩导入模版中的学生基本信息，否则成绩无法导入。50m跑输入成绩（如8.5），800m/1000m跑 要输入分秒格式（如3′20″），可用单引号或双引号代替 分秒符号。测试成绩必须为常规或文本格式。由于有部分学生的基本信息无法上报，导出的学生基本信息 必定会少于参与体质测试的学生，就无法直接将之前统计的学生体质测试的数据直接复制过来，需要利用VL00KUP匹配公式来将数据匹配过来。
首先打开表1体质测试成绩导入模板，然后打开之前整理好的所有学生体质测试的成绩，现在需要把体测成绩匹配到模板中。以身高一列为例，身高在表1的K列，鼠标点击K2然后点击公式，在点击插入公式，在d出的对话框中找“VL00KUP”选中点击确定，会d出下面一个对话框，如图2。由于学生的名字存在重名的情况，建议用学籍号作 为匹配的依据，选中表1的学籍号列就会出现“C:C”，在 表二里从学籍列拖到身高列就会出现“$D: $K，8”的意思是“$D: $K”共有多少列。最后一行就写0，点击确定K2 就出现一个身高数字，身高就从表2匹配过来了。鼠标放 在K2单元格的右下角让其出现一个黑色的“+”，往下拖填充公式，然后复制选择性粘贴在d出的对话框点数值，身高就从表2匹配过来了。
上报体质测试成绩包括身高（cm）、体重（kg）、肺活量（数值范围在500~9999）、50m跑（数值范围5.0~20.0，可以是小数）、立定跳远 （数值范围50~400，可以是小数）、坐位体前屈（数范 围-30~40，可以是小数）、800m（格式为3&3945&34或者3&3945&34数符号可以省略）、1000m（格式为3&3945&34或者3&3945&34数符号 可以省略）、1min仰卧起坐（数值范围是0~99）、引体向上 （数值范围是0~99）。匹配好数据以后就按照模板要求 修改即可。容易出错的地方是50m跑（数值范围5.0~20.0）不要输成5&390。800m和1000m不能输入到毫秒，女生在 1000m有数据或者男生在800m有数据。
导入数据时提示导入模板与系统下载模板格式不一致，数据处理中上报 文件出错等问题，此项男生、女生不应该填写提示某行某列解析错误。出现以上问题，如数据无误，多数是由 Excel格式问题导致。解决方法：调整Excel格式。处理技巧：体测成绩模板填写完成，且与网上下载的体质测试中的数据按照相同顺序排列，确认数据无误之后，把原 模板中的成绩数据复制到记事本（TXT文本文档）中，重新下载体测成绩模板，把记事本中的成绩复制到重新下载的体测成绩模板中即可。为了更方便检查数据需要用到筛选功能，选中要检查的数据在开始栏点击筛选。
四、测试环境上报
测试环境表格包括班级编号、班级名称、项目名称、测试老师、测试时间、测试地点、测试方式。按照 实际情况填写即可。
五、体测数据上报
学生体测数据填写完整后，在待上报数据里检查信息无误以后点击“数据上报”按钮进行数据上报。上报后，请关注学校审核状态，上报需经过省、市、区 （县）三级审核，省审核完成后，学校数据上报成功。数据报送给上级教育行政部门之后，数据将在已上报 数据中查询报送状态。省审核完成，表示今年数据报送工作完成。如报送完成后发现报送数据有误，可以通过发送撤回申请向上级机构申请撤回数据。教育行政机构同意后方可撤回数据。然后在重新导入正确的数据进行上报
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）