網頁內部以表格格式顯示了很多數據。但是，當您嘗試將數據存儲到本地計算機以供以後訪問時，可能會非常困難。問題在於，數據嵌入在HTML內，而HTML無法以CSV等結構化格式下載。Web抓取是將數據獲取到本地計算機的最簡單方法。

來自Unicorn Startup的表格數據

我想向幾乎對編碼一無所知的人介紹3種從表中抓取數據的方法：

• Google表格
• Octoparse（網頁抓取工具）
• R語言（使用rvest軟件包）

##Google表格##
在Google表格中，有一個很棒的功能，稱為Import Html，它可以使用修復表達式= ImportHtml（URL，“ table”，num）從HTML頁面中的表格中抓取數據。

步驟1： 打開一個新的谷歌薄板和輸入t ħ Ë表達成一個空白。

將顯示該公式的簡要介紹。

步驟2： 輸入URL（例如：https : //en.wikipedia.org/wiki/Forbes%27_list_of_the_world%27s_highest-paid_athletes），並根據需要調整索引字段。

通過上述兩個步驟，我們可以在幾分鐘之內將表格抓取到Google工作表中。顯然，Google表格是幫助我們直接將表格抓取到Google表格的一種好方法。但是，存在明顯的局限性。如果我們計劃使用Google表格跨多個頁面抓取表格，那麼這將是一項平凡的任務。 因此，您需要一種更有效的方法來自動化該過程。

使用網頁抓取工具抓取表格
為了更好地說明我的觀點，我將使用此網站向您展示抓取過程，https： //www.babynameguide.com/categoryafrican.asp?strCat=African 為了更好地說明我的觀點，我將使用此網站向您展示抓取過程，

首先，下載並啟動Octoparse。

步驟1： 單擊Advanced Mode（高級模式）開始一個新項目。

第2步：在框中輸入目標URL，然後單擊“保存URL”以在Octoparse內置瀏覽器中打開網站。

步驟3：通過3次點擊創建分頁：

a）在瀏覽器中單擊“ B”

b）在“操作提示”面板中單擊“全選”

c）在“操作提示”面板中單擊“循環單擊每個URL”

現在，我們可以看到在工作流框中創建了一個分頁循環。

第4步： 點擊以下內容以刮擦表格。

a）單擊表第一行中的第一個單元格

b）單擊“操作提示”面板中的展開圖標，直到整行以綠色突出顯示（通常，標記應為TR）

c）單擊“操作提示”面板中的“選擇所有子元素”，然後單擊“提取數據”和“提取循環中的數據”

在工作流中構建了用於採集表格的循環。

步驟5：提取數據

通過以上5個步驟，我們可以獲得以下結果。

由於增加了分頁功能，整個刮削過程變得更加複雜。但是，我們必須承認，Octoparse在處理批量抓取數據方面更好。

最令人驚奇的是，我們不需要了解任何編碼。就是說，無論我們是不是程序員，我們都可以創建自己的“抓取工具”，以自行獲取所需的數據。要進一步了解表格或表格中的抓取數據，請參閱 我可以提取表格/表格嗎？

但是，如果您碰巧了解一些編碼知識，並且想自己編寫腳本，那麼使用R語言的rvest包是幫助您抓取表格的最簡單方法。

##R語言（使用rvest軟件包）##
在這種情況下，我還使用該網站https://www.babynameguide.com/categoryafrican.asp?strCat=African 作為示例來演示如何使用rvest刮取表。

在開始編寫代碼之前，我們需要了解有關rvest軟件包的一些基本語法。

• html_nodes（）：在特定文檔中選擇特定部分。我們可以選擇使用CSS選擇器，例如html_nodes（doc，“ table td”）或xpath選擇器，html_nodes（doc，xpath =“ // table // td”）
• html_tag（）：提取標籤名稱。一些類似的是html_text（），html_attr（）和html_attrs（）
• html_table（）：解析HTML表並將其提取到R Framework。

除上述內容外，還有一些用於模擬人的瀏覽行為的功能。例如，html_session（），jump_to（），follow_link（），back（），forward（），submit_form（）等。

在這種情況下，我們需要使用html_table（）來實現我們的目標，即從表中抓取數據。

首先下載R（https://cran.r-project.org/ ）。

**步驟1：**安裝rvest。

**步驟2：**開始編寫代碼，如下圖所示。

Library（rvest）：導入rvest包
Library（magrittr）：導入magrittr包
URL：目標URL
閱讀HTML：從目標URL訪問信息
列表：從表中讀取數據

**步驟3：**在將所有代碼寫入R pen中後，單擊“ Enter”運行腳本。現在我們可以立即獲得表信息。

與使用幾行代碼提取表數據相比，使用網絡抓取工具似乎不需要花費更多的精力。實際上，編程確實具有陡峭的學習曲線，這提高了人們進入Web抓取技術真正能力的門檻。這種情況使不在技術行業工作的人更難以在利用Web數據方面獲得競爭優勢。

我希望以上教程可以幫助您大致了解Web抓取工具如何幫助您獲得與程序員輕鬆實現的相同結果。