這是簡易資料分析系列的第 9 篇文章。

今天我們說說 Web Scraper 的一些小功能：自動控制 Web Scraper 抓取數量和 Web Scraper 的父子選擇器。

如何只抓取前 100 條資料？

如果跟著上篇教程一步一步做下來，你會發現這個爬蟲會一直運作，根本停不下來。網頁有 1000 條資料，他就會抓取 1000 條，有 10W 條，就會抓取 10W 條。如果我們的需求很小，只想抓取前 200 條怎麼辦？

如果你手動關閉抓取資料的網頁，就會發現資料全部丟失，一條都沒有儲存下來，所以說這種暴力的方式不可取。我們目前有兩種方式停止 Web Scraper 的抓取。

1.斷網大法

當你覺得資料抓的差不多了，直接把電腦的網路斷了。網路一斷瀏覽器就載入不了資料，Web Scraper 就會誤以為資料抓取完了，然後它會自動停止自動儲存。

斷網大法簡單粗暴，雖不優雅，但是有效。缺點就是你得在旁邊盯著，關鍵點手動操作，不是很智慧。

2.通過資料編號控制條數

比如說上篇文章的少數派熱門文章爬蟲，container 的 Selector 為 dl.article-card，他會抓取網頁裡所有編號為 dl.article-card 的資料。

我們可以在這個 Selector 後加一個 :nth-of-type(-n+100)，表示抓取前 100 條資料，前 200 條就為 :nth-of-type(-n+200)，1000 條為 :nth-of-type(-n+1000)，以此類推。

這樣，我們就可以通過控制資料的編號來控制需要抓取的資料。

抓取連結資料時，頁面跳轉怎麼辦？

在上文抓取資料時，可能會遇到一些問題，比如說抓取標題時，標題本身就是個超連結，點選圈選內容後打開了新的網頁，干擾我們確定圈選的內容，體驗不是很好。

其實 Web scraper 提供了對應的解決方案，那就是通過鍵盤來選擇元素，這樣就不會觸發點選開啟新的網頁的問題了。具體的操作面板如下所示，就是我們點選 Done Selecting 的那個控制條。

我們把單選按鈕選擇後，會出現 S ，P， C 三個字元，意思分別如下：

S：Select，按下鍵盤的 S 鍵，選擇選中的元素

P：Parent，按下鍵盤的 P 鍵，選擇選中元素的父節點

C：Child，按下鍵盤的 C 鍵，選擇選中元素的子節點

我們分別演示一下，首先是通過 S 鍵選擇標題節點：

我們對比上個動圖，會發現節點選中變紅的同時，並沒有開啟新的網頁。

如何抓取選中元素的父節點 or 子節點？

通過 P 鍵和 C 鍵選擇父節點和子節點：

按壓 P 鍵後，我們可以明顯看到我們選擇的區域大了一圈，再按 C 鍵後，選擇區域又小了一圈，這個就是父子選擇器的功能。

這期介紹了 Web Scraper 的兩個使用小技巧，下期我們說說 Web Scraper 如何抓取無限滾動的網頁。

推薦閱讀：

簡易資料分析 08 | Web Scraper 翻頁——點選「更多按鈕」翻