六年专注于网络推广、网络营销研究

  • 首页
  • SEO知识
  • 零基础也能使用的SEO爬虫公式 - 提升你的10倍工作效率

作者:淘小白2020-9-11 8:21分类: SEO知识


Keen


读完需要


6分钟


速读仅需 2分钟


你有没有遇到过这样的问题,网页里面有几百个网址链接,需要你统计下来,你会一一粘贴复制到表格里吗?


或者要统计公司潜在客户的邮箱,需要通过关键词去搜索,然后每个网页都要点击进去,找找看有没有邮箱呢?


对于上面这张种大批量重复的工作,难道就没有更好的、快捷的、简单的解决方案吗?


当然是有的,今天这篇文章将给你分享 ——如何利用简单爬虫解决重复大量的工作。


不过,在进入教程之前,我们要聊聊:


什么是爬虫


简单来说,爬虫就是一种网络机器人,主要作用就是搜集网络数据,我们熟知的谷歌和百度等搜索引擎就是通过爬虫搜集网站的数据,根据这些数据对网站进行排序。


既然谷歌可以利用爬虫搜集网站数据,那我们是否能利用爬虫帮我们搜集数据呢?


当然是可以的。


我们可以用爬虫做什么


前面已经讲过,如果你遇到一些重复大量的工作,其实都可以交给爬虫来做,比如:


•搜集特定关键词下的用户邮箱•批量搜集关键词•批量下载图片•批量导出导入文章•……


比如我想搜索iphone case的相关用户邮箱,那么可以去Google搜索iphone case这个关键词,然后统计下相关网页,把网址提交给爬虫程序,接着我们就等着出结果就行了。


当然,创作一个特定的爬虫程序需要一定的技术基础,市面上主流都是使用python来制作爬虫程序,不过我们今天用一个更简单易懂的爬虫软件——Google Sheet,不用写任何代码的哦!


利用Google Sheet爬取数据


Google sheet(以下简称GS)是Google旗下的在线办公套件之一,和微软的办公三剑客正好一一对应:


•Google doc - Word•Google sheet - Excel•Google presentation - PPT


基本上Excel上的公式都可以在GS上运行,不过GS还要另外一个公式,是Excel不具备的,也就是


IMPORTXML


我们新建一个GS,这个操作和Execl操作一致,然后在A1栏输入我们需要爬取数据的网址,记得网址必须包含https或http,只有这种完整写法才会生效。


然后在B1栏输入


=importxml(A1,''//title")


在B1栏输入完成之后我们就会得到如下数据


这样就获得了网址的SEO Title。


SEO Title出现在每个浏览器窗口的标签处,也是网站呈现给Google搜索引擎的第一登陆点,里面包含该网页的关键词等重要信息。


接下来我们在C1栏输入如下公式:


=IMPORTXML(A1,"//meta[@name='description']/@content")


然后我们就获得了网页的Meta Description


我们能看到,刚才搜集的两个信息就是Google SERPs中很重要的两个元素,Title和Description,基本上要做好站内SEO,这两点要做好。



批量爬取网页SEO信息


按照上面的两个公式,我们分别在A1B1C1栏中输入网址、Title、Description,然后A列填满想要爬取的网址,B列和C列利用Excel的复制下拉选项,就是鼠标放到C1栏的右下角出现十字标识后,往下拉动鼠标,C列的其他栏会自动填充好C1的公式:


然后我们就得到了所有网址的Title和Description



统计完这些数据之后,我们之后就再也不用愁怎么写SEO Title啦。


如果大家想爬取整个网址的Title与Description,可以把竞品的网址全部放上来。至于如何获取整个网址的链接,大家可以去查一下网址的sitemap.xml,在这里面可以找到一个网站所有的链接。


了解公式结构


既然importxml可以批量爬取SEO Title,那么当然也是可以爬取其他内容的,比如邮箱地址与链接地址,我们先来分析一下公式结构:


=IMPORTXML(A1,"default")


A1表示所在列,default表示需要爬取的页面内容结构,所以我们只要修改default值,就能够爬取更多信息,这里给大家展示一下我们在做SEO和统计信息中常用的值


站内链接,其中的domain.com换成要统计的域名


//a[contains(@href, 'domain.com')]/@href


站外链接,其中的domain.com换成要统计的域名


//a[not(contains(@href, 'domain.com'))]/@href


邮箱统计:


//a[contains(@href, 'mailTo:') or contains(@href, 'mailto:')]/@href


社交链接,包括linkedin, fb, twitter


//a[contains(@href, 'linkedin.com/in') or contains(@href, 'twitter.com/') or contains(@href, 'facebook.com/')]/@href


如果你想了解更多能使用的爬虫公式,可以参考Google 官方文档


https://support.google.com/docs/answer/3093342?hl=zh-Hans


也可以深入了解一下xpath


https://www.w3schools.com/xml/xpath_intro.asp


(来源:外贸增长官)


以上内容属作者个人观点,不代表雨果网立场!本文经原作者授权转载,转载需经原作者授权同意。


上雨果网搜索“跨境资料库”,领取欧美/东南亚各国市场商机、各大平台热销品报告、跨境电商营销白皮书!


温馨提示如有转载或引用以上内容之必要,敬请将本文链接作为出处标注,谢谢合作!

已有 0/58 人参与

发表评论:



微信扫一扫,加我好友