你一年能讀幾本書？一個要工作、要生活、還要玩兒的職場人，如果半個月能讀完1本書，那么一年也就讀24本吧！面對浩瀚無邊的書海，當然要選擇值得花費時間閱讀的書來讀了。
一、選書經(jīng)驗：根據(jù)閱讀的目的選擇找書的方法
閱讀的目的不外乎以下三種：
- 為了在專業(yè)領(lǐng)域?qū)W習某種技能或者更上一層樓
- 對某個領(lǐng)域很感興趣或者是自己的愛好
- 充實自己，感受未知的世界，變得更加博學
今天的方法適用于第三個目的——感受未知的世界。
用最省錢的方法買最值得讀的書
當當網(wǎng)以圖書起家，自然沉淀了很多忠實用戶，同時給網(wǎng)站帶去了很多購買量和評價數(shù)。當當就用這些數(shù)據(jù)建立了很多榜單，幫助用戶更好的選書。
但是好的選書方法不一定是好的購書方法，買書當然要考慮價格了。通過當當榜單選的書，在其他平臺搜索一下價格，找一個不錯的價格購買，才對得起自己的時間和銀子。
二、采集的榜單和內(nèi)容
進入當當暢銷書榜單，選擇近30天的暢銷書，默認展示前20本，我們就對這20本的書名進行采集。
三、采集實操講解
1. 調(diào)出Web Scraper界面
2. 新建Sitemap，創(chuàng)建采集項目
首先為當當暢銷榜單建立一個采集項目。如下圖，創(chuàng)建名稱為「dangdang」的Sitemap。注意命名規(guī)則，一般使用長一點的英文就可以（至少3個字母）。
Sitemap name：dangdang
Start URL：http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-recent30-0-0-1-1
點擊Create Sitemap創(chuàng)建完成！
3. 為書名添加Selector
為書名添加選擇器(Selector)，步驟如下(文字與動態(tài)圖結(jié)合看)：
-
Id：選擇器名稱，這里填寫「title」，表示要采集的是書的標題 -
Type：默認為Text，表示要采集的信息是文本格式 - 點擊
Selector中的Select后，注意跳出一個條形對話框 - 點選第1個書名，發(fā)現(xiàn)書名底色變紅(表示被選中)，然后點擊第2個書名，此時發(fā)現(xiàn)后面的第3個、第4個……書名均變?yōu)榧t色
- 點擊條形對話框的
Done selecting! - 勾選
Multiple，表示除了點選的第1個和第2個書名外，本頁后續(xù)底色變紅的書名也都需要采集 - 點擊
Save Selector，書名的選擇器配置完成！
4. 激動人心的采集時刻到來了！
按照前面配置的內(nèi)容執(zhí)行采集程序，步驟如下(文字和動態(tài)圖結(jié)合看)：
- 點擊
Sitemap dangdang下拉列表中的Scrape，開始執(zhí)行程序 - 出現(xiàn)的對話框中有兩項數(shù)字內(nèi)容，默認值均為2000
Request interval：表示「網(wǎng)頁請求發(fā)送間隔」，為了不被網(wǎng)站判定為機器進而阻止采集，需要模擬人的行為將動作放緩，通常按默認值即可
Page load delay：表示「頁面加載時長」，如果頁面沒有完全加載就開始采集，會造成信息采集不全，特別是在網(wǎng)速不佳的時候，通常也按默認值，也可適當調(diào)整 - 點擊
Start scraping開始采集，彈出一個采集窗口，注意采集過程中不要關(guān)閉此窗口，待采集完成后，窗口會自動關(guān)閉 - 窗口關(guān)閉后，點擊
refresh，出現(xiàn)3列數(shù)據(jù)
「web-scraper-order」：程序自動編碼，不用理會
「web-scraper-start-url」：點擊書名跳轉(zhuǎn)的url，前面雖然只設置了采集書名的文本，但采集默認同時提供url，所以如果需要此項，不用再單獨設置
「title」：要采集的書名，注意，書名的順序并非是網(wǎng)頁上的順序
5. 導出數(shù)據(jù)至CSV文件
Web Scraper免費版只提供CSV一種導出形式，導出后用Excel打開即可。
- 點擊
Sitemap dangdang下拉列表中的Export data as csv - 點擊
Download now!后出現(xiàn)了瀏覽器的下載對話框，打開或者保存即可
6. Web Scraper界面內(nèi)容介紹
下面，順序介紹Web Scraper界面中的Sitemaps、Sitemap、Create new sitemap
Sitemaps：Sitemap項目列表，所有創(chuàng)建的Sitemap均可在此列表找到，比如上面創(chuàng)建的「dangdang」就在此列表中
Sitemap：直接點擊此項，Web Scraper無任何反應，因為此項只針對某一個已經(jīng)創(chuàng)建的Sitemap，所以，要從Sitemaps中選擇一個ID點擊，這里點擊「dangdang」，發(fā)現(xiàn)跳轉(zhuǎn)到中間的Sitemap，并且變?yōu)榱?code>Sitemap dangdang，說明已經(jīng)跳轉(zhuǎn)到了指定的Sitemap內(nèi)。
點擊
Sitemap dangdang，發(fā)現(xiàn)下拉列表有如下幾項，逐一說明：Selectors：選擇器列表，每一個采集內(nèi)容均要配置一個選擇器，在上面的例子中，采集了書名，如果需要采集評論數(shù)、出版社等頁面可見信息，要分別為這些信息逐一添加選擇器Selector graph：選擇器結(jié)構(gòu)圖，顯示選擇器之間的樹狀關(guān)系，再復雜的采集項目中能夠一目了然地呈現(xiàn)采集邏輯Edit metadata：修改Sitemap設置，即Sitemap名稱和urlScrape：執(zhí)行采集程序Browse：瀏覽采集結(jié)果Export Sitemap：導出Sitemap代碼，此代碼可以直接導入，無需再次配置Export data as CSV：導出采集結(jié)果至csv文件
點擊
Create new sitemap，發(fā)現(xiàn)有兩種新建Sitemap的方法，直接創(chuàng)建(Create Sitemap)和導入(Import Sitemap)。
當當?shù)陌咐幸呀?jīng)講過
Create Sitemap，這里不再贅述。點擊
Import Sitemap進入以下界面：Sitemap JSON：把Export Sitemap導出的代碼粘貼在此處Rename Sitemap：為Sitemap命名點擊
Import Sitemap后，同樣成功創(chuàng)建了Sitemap
四、數(shù)據(jù)采集只是數(shù)據(jù)分析的過程
每一分鐘，互聯(lián)網(wǎng)上都會有海量的數(shù)據(jù)產(chǎn)生，數(shù)據(jù)的價值并非是它本身，而是通過分析數(shù)據(jù)能獲得哪些有價值的信息。數(shù)據(jù)采集是一項不值得投入太多時間的工作（包括學習采集的時間和練習的時間），所以，只要學習了網(wǎng)頁常見情況的處理方法就可以，沒有必要為了學習采集而頻繁練習。遇到新的問題時，再到網(wǎng)上尋求解答，這樣會記得更牢。
