|
在大数据时代，除了企业、公司和个人，互联网也是一个非常重要的数据来源。随着信息化社会的快速发展，互联网中可以获取的数据也越来越多，并且多数网站所提供的数据并非一两个页面所能容纳的，如股票行情数据，由于上市交易的股票数量众多，所以网站提供的数据通常都会有几十个网页，甚至更多。虽然通过【数据】选项卡的【从网站】功能可以获取单个网页中的数据，但是这样的操作显然无法胜任收集大量网页数据的任务。批量收集网站数据，又被称为网络数据抓取，有时也被简称为“网抓”。用于网抓的工具或软件通常被称为网络爬虫（Web Crawler）。以某网站的“个股市盈率”网页为例，如图 2-139 所示，每个页面中有 50 行数据，共有 64 个网页。让我们使用Power Query的方式实现抓取前 5 个网页的数据。 
单击【数据】选项卡的【自网站】按钮，在弹出的【从 Web】对话框的【URL】文本框中输入这一地址内容再进行下一步操作：“http://data.10jqka.com.cn/market/ggsyl/fifield/syl/order/desc/page/1”单击【确定】按钮关闭【从 Web】对话框，如图 2-140 所示。 
图 2-140 在【从 Web】对话框中输入 URL82Excel 查询数据之后，将弹出【导航器】对话框，在对话框左侧单击【Table 0】，在对话框右侧的【表视图】中将显示相应的数据内容，单击【转换数据】按钮，如图 2-141 所示。
图 2-141 在【导航器】对话框中选择表格 在弹出的【Table 0 – Power Query 编辑器】窗口中，单击【开始】选项卡的【高级编辑器】按钮，在弹出的【高级编辑器】对话框中修改公式（区分字母大小写），单击【完成】按钮关闭对话框，如图 2-142 所示。
图 2-142 修改 Power Query 公式 在【查询设置】窗格的【名称】文本框输入“GetWebPage”修改查询名称，单击【开始】选项卡的【关闭并上载】按钮关闭编辑器窗口，如图 2-143 所示。
在 Excel 的【查询 & 连接】窗格中查询名称“GetWebPage”之前显示“fx”标识，说明这是一个自定义函数。依次单击【数据】选项卡→【获取数据】下拉按钮→【自其他源】→【空白查询】命令，如图 2-144 所示。
在弹出的【查询 1 – Power Query 编辑器】窗口的公式栏中输入“={1..5}”，按＜ Enter ＞ 键完成输入，在编辑器将新建一个列表，包含 1 到 5 的数字。依次单击【转换】选项卡→【到表】按钮，在弹出的【到表】对话框中保持默认设置，单击【确定】按钮关闭对话框，如图 2-145 所示。
图 2-145 列表数据转换 在【查询 1 – Power Query 编辑器】窗口中单击【添加列】选项卡的【调用自定义函数】按钮，在弹出的【调用自定义函数】对话框中调整设置，在【新列名】文本框中输入“Web”作为名称，在【功能查询】组合框中选中“GetWebPage”，在【PageIndex】标签之下右侧组合框中选中“Column1”，单击【确定】按钮关闭对话框，如图 2-146 所示。
此时将弹出黄色的数据隐私提示栏，单击【继续】按钮，在弹出的【隐私级别】对话框中，选中【忽略此文件的隐私级别检查。忽略隐私级别可能会向未经授权的用户公开敏感数据或机密数据。】复选框，单击【保存】按钮关闭对话框，如图 2-147 所示。 
单击“Web”列标题右侧的展开按钮，在弹出的对话框中取消选中【使用原始列名作为前缀】复选框，单击【确定】按钮展开“Web”列，如图 2-148 所示。 
在【查询 1 – Power Query 编辑器】窗口中依次单击【开始】选项卡→【关闭并上载】下拉按钮→【关闭并上载至 ...】命令，在弹出的【导入数据】对话框中选中【表】单选按钮，保持默认选中的【新工作表】单选按钮，单击【确定】按钮关闭对话框，如图 2-149 所示。 批量采集的网站数据将上载到 Excel 新建工作表中，共有 250 行数据（5x50 行 / 页），如图 2-150 所示。 如果【查询 & 连接】任务窗格中显示“已加载 250 行。N 个错误”，错误的原因可能是部分指标数据未从网站上成功获取（比如该指标在网站上为空）。 
还想要学习其他数据处理与分析的技巧吗？快来看看应用大全吧！
|
