Power BI实用技巧——批量爬取网页数据-工具盒子

Power BI实用技巧------批量爬取网页数据

假设我是个电商公司老板，我的公司最近要上架一款新产品，我需要你来帮我做一个竞品分析，同类型产品的评分、价格、销量、市场占有率最高的品牌详情，来帮助我进行前期宣发，这个时候最让你一筹莫展的环节是什么？我猜是数据从哪来？竞争对手当然是不会整理一张表发你的喽

既然是电商，那么所有数据来源就只能从电商平台获取，那么问题也就接踵而至了，网页爬取数据不规范，数据清洗困难重重，相同产品网页少则十几页，多则几十页，难道要一页一页的爬吗？这时候我又来让你搞快点，不然别下班，不要耽误我赚钱！怎么办？难道真的要为了区区五斗米熬夜？当然不用喽！跟我一起做，五分钟爬取海量数据，解决让你头秃的难题！

案例：当当网累计好评榜批量爬取

1、单量采集：http://bang.dangdang.com/books/fivestars/01.00.00.00.00.00-all-0-0-1-1

上方展示网址为当当网累计好评榜网址，复制这个网址，打开Power BI，第一步：点击获取数据，选择Web（从网页导入数据），第二步：粘贴网址，点击确定，

第一步：获取数据

第二步：链接网址

点击导航器显示选项左下角"使用示例添加表"，展开如下界面

第三步：规范采集

这里假设我们要提取宝贝名称、作者、出版社、出版日期，五星评论、总评论数量等，将我们要提取的项目名称输入到列名中，在列中输入我们要提取的内容，比如我们要提取宝贝名称，在列中输入"高尔基成长三部曲（童年、在人间、我的大学）"，回车系统便可自动向下填充我们要提取的内容，下图为我已经提取好的表截图，

点击确定，选择表4，点击转换数据进入***Power*** Query 界面***，***对加载上来的表格进行清洗，比如替换数据列中的文字，将数据转换为可以运算的数据格式等，最终得到一张规范的数据表格，如图所示，

进行到这一步，单量采集就算大功告成了，有些小伙伴很疑惑，数据清洗为啥不等批量采集完成在一起做呢？这样等批量采集完成后，岂不是又要清洗一遍？

请带着这个疑问继续阅读哦！

2、批量采集：

第一步：解析网址

上面的网址是当当网累计好评榜第一页和第二页的网址，我们通过观察发现红框位置内容是一样的，唯一发生变化的是网址后缀的1、2，我们需要爬取的数据总共有25页，按照这个规律，后缀变量应该是1到25，请记住这个规律，很关键！

第二步：创建函数

选中我们加载上来的表4，点击右键，选择创建函数，跳出提示框

点击创建，跳出提示框，输入函数名称为"调用函数"，点击确定，出现如下界面

接下来我们就要对上图中的M函数进行修改，主要修改第一行和第二行，其他代码保持不变，将函数修改为：

➽示例 * * *

=(x as text) => let
源 = Web.BrowserContents("http://bang.dangdang.com/books/fivestars/01.00.00.00.00.00-all-0-0-1-"&x),

√代码解析：(x as text)为修改位置，

(x as text)这里的含义是将x作为文本变量，http://bang.dangdang.com/books/fivestars/01.00.00.00.00.00-all-0-0-1-"&x这里的含义是将网址与文本变量连接，形成一个完整的网址；

点击调用，我们的调用函数就创建完成了。

第三步：创建变量序列表

1、接下来我们回到主页选项卡，点击新建源，选择空查询，建立一个空白查询页，如图

2、在代码输入框中输入一个M函数：

★示例 *

= List.Numbers(1,25,1)

√代码解析：

List.Number用于生成一个数字序列的列表

(1,25,1)起始数据是1，创建25组，间隔数据是1

代码生成一个从1开始到25结束的单列表

为什么创建这样一张表呢？因为网址后缀变量应该是1到25，也就是我们解析网址后，总结出来的规律，点击将此列转换为表，将列格式转换为文本（这一步很重要哦）。

第三步：批量爬取数据

1、接下来就是批量采集最关键的一步了，找到添加列选项卡，选择调用自定义函数，将我们之间创建的"调用函数"添加到功能查询中，

2、点击确定，出现"要求与数据隐私有关信息"提示语。点击继续，勾选忽略此文件的隐私级别检查，点击保存，如下图所示操作，

经过漫长的等待（大概2分钟哦），系统就将网页数据全部提取上来，并返回这样一张表

我们只需要展开调用函数，就可以将25页网页数据批量抓取到***Power*** ***Query***界面，而且你会惊喜的发现，抓取到的数据不仅按照单量采集的表格规范呈现，而且已经被清洗好了，简直事半功倍啊，这是因为我们在单量采集时就完成了数据清洗，在我们创建调用函数时，保留了全部数据清洗动作代码，所以在我们批量采集网页数据时，同时也在批量的清洗数据，这也就是为什么我们要在单量采集时就完成数据清洗动作！