Portia开源可视化爬虫工具的使用学习
Portia是一款开源可视化爬虫工具，通过Docker部署后，可在浏览器中创建项目与Spider，设置起始页并建立页面样本。通过注释页面元素定义抓取字段，配置URL白名单与黑名单限制访问范围。完成配置后启动爬虫，可将数据保存为JSON文件，实现快速可视化抓取。
背景
最近在做一个可配置的爬虫模板，目标是能快速扩展新的抓取业务，最终做成一个可视化的配置服务。目前还在进行中，思路有些卡壳，所以打算翻翻市面上已有的轮子，看看能不能找到新的灵感。
安装
Docker 安装完成后，拉取 Portia 服务项目即可。
# <..FOLDER> 路径自定义即可，可在后面加上 portia 的版本 docker run -i -t --rm -v:/app/data/projects:rw -p 9001:9001 scrapinghub/portia # git 上是如下语句 docker run -v ~/portia_projects:/app/data/projects:rw -p 9001:9001 scrapinghub/portia
具体细节可以参考官方文档。
使用 Portia 包
新建 project
Portia 安装完成后，用浏览器打开 http://localhost:9001，在“Create a new project”中输入项目名。
点击“New spider”创建一个新的 spider。右侧边栏会提示输入一个 URL，Portia 会将这个 URL 作为 start page（起始页）。这个 start page 通常被当作 seed（种子），用来获取更多的链接。
Portia 支持创建 page sample（页面样本）。创建了页面样本后，就可以调度后续任务按照设定的模板抓取元素。所以，我们需要先创建这样的模板。
page sample
创建 sample 后，就可以开始注释页面了。注释会将页面中的一条数据链接到项目字段，而这些就是我们想要提取的数据。
给字段命名，选择数据类型。
Portia 默认会遵循所有域内 URL。但在很多情况下，我们需要限制 Portia 访问的页面，避免在不相关的页面上浪费请求。为此，可以分别设置“跟随”和“排除”的白名单和黑名单 URL 模式。通过将爬网策略改为“Configure URL patterns”来配置这些。
到此操作结束。可以在最右侧看到我们选中的项目。将所有需要提取的 items 注释完后，关闭样本（Close Sample）。如果以后需要再添加其他元素，可以继续配置此样本，方便后续抓取。
最后，在右侧可以看到我们需要的数据，JSON 格式如下。
启动程序
配置好了 sample page 和 start pages，接下来就是正式抓取数据了——将数据保存到 JSON 文件或者数据库中。这里我们以保存成 JSON 文件为例。
官方给出的代码如下：
docker run -i -t --rm -v PROJECTS_FOLDER:/app/data/projects:rw -v OUPUT_FOLDER:/mnt:rw -p 9001:9001 scrapinghub/portia \ portiacrawl /app/data/projects/PROJECT_NAME SPIDER_NAME -o /mnt/RESULT.json
其中可以更改的是大写的部分：PROJECTS_FOLDER（项目文件夹）、OUPUT_FOLDER（输出目录）、PROJECT_NAME（项目名）、SPIDER_NAME（Spider 名字）、RESULT.json（保存结果的文件名）。
注意：启动程序前必须先关闭 Portia 的调试页面。这里我直接使用 kill 命令，因为在 docker 启动的终端按下 Ctrl+C 或 Ctrl+Z 都无效，只能用进程关闭。
举个例子，我的启动代码如下：
docker run -i -t --rm -v ~/portia_projects:/app/data/projects:rw -v ~/result:/mnt:rw -p 9001:9001 scrapinghub/portia \ portiacrawl /app/data/projects/tingyun tingyun.site -o /mnt/tingyun.json
运行成功就能看到代码在飞快地跑了，而且抓取的都是我们想要的 items。
总结
到这里，Portia 的抓取之旅就告一段落了。通过使用 Portia，确实能实现快速、简易的抓取功能，并且将抓取过程可视化地呈现给操作者。还有其他有趣的功能，后续学习过程中遇到再继续分享。接下来会试着将它用到一些大规模的抓取场景中，看看实际效果如何。关于 Portia 的更多内容，可以继续关注本站后续文章。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
Beamer 4是面向macOS的本地视频投屏工具，可将Mac中的影片投放到Apple TV、Chromecast及兼容设备，支持常见格式、多类字幕、环绕声、播放列表和电视遥控操作。
Boom 3D macOS版是一款系统级音效增强工具，可为音乐、电影、游戏和流媒体提供3D虚拟环绕声、31段均衡器、音量增强及应用独立音量控制，并支持本地播放器与多种音频输出设备。
Boris FX macOS版是一套面向剪辑、合成、调色及动态图形工作的专业后期工具，涵盖视觉特效、平面与三维跟踪、转描、画面修复、粒子动画和音频清理，可配合多种主流宿主软件使用。
Capto 是面向 macOS 的屏幕截图、高清录屏与媒体编辑工具，支持区域及整屏捕获、网页长截图、双音轨处理、图片和视频标注、素材分类与多渠道分享，适合教师、学生、内容创作者及需要制作演示教程的用户。
Cursor Crane 是一款仅面向 macOS 的键盘操控效率工具，可通过提示标签、网格、文字查找和窗口模式完成点击、滚动、定位与切换，并支持屏幕内容提取、脚本及工作流扩展。
Deep Freeze 冰点还原 macOS版通过冻结系统配置，让受保护的Mac在重新启动后回到预设状态，并提供解冻空间、维护计划、密码保护及Apple Remote Desktop管理能力。
Focusky macOS版是一款面向教学课件、商务汇报、产品展示和动画宣传内容的演示制作工具。它通过无限画布、路径编排、缩放旋转转场及多媒体编辑，将传统逐页幻灯片转化为更具空间感的动态演示。
Folder Colorizer 2 macOS版是一款直观的文件夹外观定制工具，可更换颜色，添加表情、贴纸及图片背景，并支持批量处理、智能推荐和恢复默认样式，帮助用户更快辨认工作、学习与生活资料。
AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端，适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端，并可同时接收和智能排列多个镜像会话。
AlwaysUp是一款面向Windows的系统服务注册与程序托管工具，可让普通应用、脚本及批处理在无人登录时随系统启动，并通过状态检测、异常重启、资源监控和邮件通知保障关键任务持续运行。
AnyDesk Windows版是一款轻量化远程桌面与技术支持工具，可用于控制异地电脑、传输文件、远程打印及无人值守访问。它兼顾连接响应、安全权限和部署灵活性，适合个人远程办公、企业设备维护与客服支持。
Boom 3D Windows版是一款面向音乐、电影和游戏场景的系统级音效增强工具，支持虚拟3D环绕声、31段均衡器、预设音效、应用音量控制及本地音乐播放，可配合耳机、扬声器和蓝牙耳机使用。
Boris FX Windows版是一套服务于影视剪辑、视觉特效、运动跟踪、转描、图像修饰及音频修复的专业创作工具集合，可作为插件接入多种主流后期宿主，也包含可独立运行的应用，适合剪辑师、特效师与内容创作者使用。
ChemDraw Windows版是一款面向化学研究、药物研发、材料科学和教学工作的专业结构绘图工具，可快速绘制分子、反应式及生物聚合物，并提供结构整理、格式转换、性质计算和科研文档协作能力。
CODESOFT Windows版是一套企业级条码与RFID标签设计打印工具，可连接Excel、Access、SQL及云端数据源，支持变量、表单、GS1条码、数据库记录和多种工业打印机，适合制造、仓储、物流及合规标识场景。
Deep Freeze 冰点还原 Windows版通过重启恢复技术保护系统盘及指定分区，自动撤销恶意程序、误操作和配置漂移造成的改动，并支持密码保护、解冻空间与多硬盘管理，适合学校机房、公共电脑、办公终端及家庭电脑使用。
EDIUS 11 Windows版是一款面向影视制作、广播电视、纪录片、短视频及教育机构的专业非线性编辑工具，支持4K/8K、多格式混编、HDR调色、字幕、音频处理和后台渲染，并提供素材管理及丰富的导出预设。
FastStone Capture Windows版是一款轻量级屏幕捕捉、录屏与图像编辑工具，可截取窗口、区域、菜单和滚动页面，并提供标注、模糊、取色、OCR、录音录像及多格式导出能力，适合办公说明、教程制作和问题反馈。
Focusky Windows版是一款动画演示与交互课件制作工具，通过无限画布、缩放旋转镜头、模板素材和对象动画组织内容，可导入PPTX，并输出视频、EXE、PDF、网页等格式，适用于课堂教学、微课、商务汇报及产品展示。