为了更好地了解如何利用数据抓取功能，让我们创建一个自动化项目，以从 Wikipedia 提取一些特定信息，并将其写入 Excel 电子表格中。您可以在不同情况下使用这类自动化项目，例如从电子商务网站提取产品及其价格的列表。

📘

备注：

建议您在 Internet Explorer 11 及更高版本、Mozilla Firefox 50 或更高版本或最新版本的 Google Chrome 上运行网页自动化。

假设您想开始研究经济学，并想获取有关该主题的 Wikipedia 文章列表，以及文章 URL 和每篇文章搜索结果中提供的其他信息。您可以这样做：

1. 打开 Internet Explorer 并导航到 en.wikipedia.org。
2. 在“搜索 Wikipedia”框中，键入“经济学”，然后在显示的下拉列表中单击“包含…经济学”。系统随即会打开一个显示搜索结果的网页。
3. 在 Studio 中“新建空白流程”。
4. 在“活动”面板中，向“设计器”面板添加“打开浏览器”活动，并在“Url”字段中粘贴搜索结果网页的 URL。本示例中的 URL 为："https://en.wikipedia.org/w/index.php?search=economics%20&title=Special%3ASearch&fulltext=1&ns0=1"。
5. 在“设计”功能区选项卡的“向导”组中，单击“数据抓取”。系统随即会显示“提取向导”。
6. 按照向导要求，选择网页中的第一项和最后一项。系统随即会显示“配置列”向导步骤，且您选择的字段也将在网页浏览器中高亮显示。
7. 选中“提取 URL”复选框，并将列标头名称更改为相关内容，例如“文章标题”和“URL”。

8. 单击“下一步”。系统将在“预览数据”向导步骤中显示预览的数据。注意，由于 Wikipedia 页面使用相对 URL，因此 URL 列亦会包含相对 URL。执行项目后，您可以在 Excel 输出中更正此内容，只需在 URL 列中每个单元格的开头处添加字符串“https://en.wikipedia.org”即可。

9. 单击“提取相关数据”按钮，以提取文章的其他相关信息。“提取向导”再次启动。
10. 再次按照向导要求，指明每篇文章的大小和上次编辑日期等相关信息。之后会再次进行到“配置列”步骤。
11. 将新列标头的名称更改为“其他信息”，然后单击“下一步”。系统随即会在“预览数据”向导步骤中显示相关数据。或者，您也可以将列拖动到相应位置，以更改列的顺序。
12. 在“最大结果数”中键入 60。Wikipedia 搜索将在每页列出 20 个结果，在本示例中，我们想提取前三页的搜索结果。

13. 单击“完成”。系统将显示“指示下一个链接”窗口，提示您需在数据跨越多个页面的情况下指示要单击的“下一个”按钮或箭头。
14. 单击“是”，并在 Wikipedia 中选择搜索结果下方的“后续 20 个”按钮。系统随即会更新项目，并在“设计器”面板中显示一个“数据抓取”序列。现在，系统已自动生成“数据表”变量 ExtractDataTable。
15. 在“变量”面板中，将自动生成的 ExtractDataTable 变量的作用域更改为“序列”。如此一来，您便可在其当前作用域之外（即“数据抓取”序列）使用此变量。
16. 将“Excel 应用程序作用域”活动添加到“数据抓取”序列下。
17. 前往“Excel 应用程序作用域”活动的“属性”面板，并在“工作簿路径”字段中键入 "web_scraping.xlsx"。执行项目后，系统将在项目文件夹中创建一个使用此名称的文件，用于存储通过抓取获得的数据。或者，您也可指定本机中已有的文件。
18. 在“Excel 应用程序作用域”活动的“执行”序列中，添加“写入范围”活动，并在“属性”面板中执行下列操作：

• 在“数据表”字段中，添加 ExtractDataTable 变量。
• 选中“添加标头”复选框，以在输出中纳入列名称。

项目的最终呈现应如以下屏幕截图所示：

19. 按 F5 执行项目。
20. 打开第 17 步中定义的 Excel 文件。注意，所有列都已正确填充。

下载示例