DataLens 使用手册

DataLens 有两种主要使用方式：

1. Chat Agent：你用自然语言提出采集、清洗、分析、报告需求，DataLens 自动完成网页采集、数据整理和文件生成。
2. 浏览器插件：你在网页上直接选择要采集的表格或列表，编辑字段，配置详情页下钻，然后导出结果。

如果你已经知道要采集哪个网页、要哪些字段，优先用 Chat Agent。
如果你想亲自确认页面上哪一块数据会被采集，优先用浏览器插件。

1. 浏览器插件：所见即所得采集

浏览器插件适合采集你正在浏览的页面，例如商品列表、评论列表、招聘列表、商家目录、文章列表等。

1.1 安装与初始化

第一步：下载插件

你可以从 Chrome Web Store 或 Microsoft Edge Add-ons 安装 DataLens。

如果应用提示你安装或更新 DataLens 浏览器插件，优先使用与你当前浏览器匹配的安装入口。Chrome 用户用 Chrome Web Store，Edge 用户用 Edge Add-ons。

如果你所在的环境无法访问浏览器应用商店，也可以下载 DataLens 备用安装包。下载后按照 Chrome 官方的加载未打包扩展程序说明 完成手动安装。

第二步：固定到浏览器工具栏

安装完成后，建议把 DataLens 固定到浏览器工具栏：

1. 点击浏览器右上角的扩展图标。
2. 找到 DataLens。
3. 点击固定按钮。

固定之后，你可以在任意普通网页上直接点击 DataLens 图标打开侧边栏。

第三步：打开并登录

1. 打开你想采集的网页。
2. 点击浏览器工具栏里的 DataLens 图标。
3. 如果提示登录，按页面提示完成登录。
4. 登录后回到目标网页，按侧边栏提示进入当前页面的采集流程。

DataLens 会读取当前活跃标签页，并在侧边栏里进入表格或列表检测。

1.2 三步完成一次采集

步骤一：选择采集来源

DataLens 会自动检测页面上的表格或列表结构。你会看到一个候选列表，每个候选项会显示大概行数和列数。

操作方式：

1. 把鼠标移到候选项上，网页里的对应区域会高亮。
2. 选择你真正想采集的那一块数据。
3. 如果识别不准，点击重新检测。

选择后，DataLens 会进入字段分析。

步骤二：字段编辑

DataLens 会用 AI 识别字段，例如标题、价格、评分、链接、图片、发布时间等。

你可以做这些调整：

• 删除不需要的字段。
• 保留需要导出的字段。
• 检查字段示例值是否符合预期。
• 把鼠标移到字段上，查看网页里对应的识别位置。
• 双击字段名称，改成你更容易理解的名字。
• 设置采集条数限制。

确认字段后，点击“开始采集”。

步骤三：配置详情页下钻采集（可选）

如果你要采集的数据不在列表页，而是在每一行点进去后的详情页，例如：

• 商品详情、规格、长描述
• 文章正文、作者信息
• 招聘详情、公司介绍、岗位要求
• 商家详情、地址、联系方式

这种情况下才需要配置下钻采集。如果列表页已经包含你需要的全部字段，可以跳过这一步，直接开始采集。

操作方式：

1. 在字段编辑页点击“提取详情字段”。
2. 选择一个能打开详情页的链接字段。
3. 输入你想从详情页提取的内容，例如“商品价格、详细描述和规格参数”。
4. 点击“AI 分析”。
5. 检查识别出的详情字段，删除不需要的字段。
6. 如果字段不符合预期，点击返回，修改成更精准的需求描述后重试。
7. 点击“确认”，再开始采集。

配置下钻后，DataLens 会先采集列表页，再逐条打开详情页提取补充字段。

1.3 查看、下载数据和批量下载图片

采集运行时，侧边栏会显示当前状态、采集条数、字段数量和实时预览。采集完成后，你可以在预览页下载数据，也可以在历史记录中查看已完成任务。

下载结构化数据

你可以在采集完成页、历史详情页或预览页下载数据。

支持格式：

• Excel: .xlsx
• CSV: .csv
• JSON: .json

如果你只是要在 Excel 或 Google Sheets 里查看，优先下载 Excel 或 CSV。
如果你要交给程序或后续系统处理，优先下载 JSON。

批量下载图片

如果采集结果里有图片字段：

1. 打开数据预览页。
2. 找到图片列。
3. 点击图片列标题旁边的下载图标。
4. 选择保存位置。
5. 等待图片下载完成。

预览页会显示图片下载进度，也可以把下载任务放到后台继续。

1.4 亮点能力

识别加密或混淆字段

一些网站会用特殊字体或页面渲染方式展示字段，例如 BOSS 直聘薪资、淘宝商品价格等。只要这些内容已经在你的浏览器页面中正常展示，DataLens 会自动识别并还原为可导出的文本字段。

自动处理嵌套评论和展开按钮

对于抖音评论、社区讨论、帖子回复这类场景，DataLens 可以识别主评论、子评论和展开按钮。采集时会自动展开可见的评论结构，并把子评论整理进结果中。

从详情页扩展更多字段

下钻采集适合从列表页进入详情页补充更多字段。比如列表页只有标题、价格和链接，详情页里还有完整描述、规格参数、公司介绍、正文内容等，DataLens 可以把这些详情字段合并到同一份结果里。

1.5 插件采集示例

假设你要采集一个电商搜索结果页里的商品信息：

目标：采集前 100 个商品的标题、价格、评分、评论数、图片和详情页描述。

操作流程：

1. 打开商品搜索结果页。
2. 点击浏览器工具栏里的 DataLens 图标。
3. 登录后按侧边栏提示进入当前页面的采集流程。
4. 在“选择采集来源”里选择商品列表。
5. 在字段编辑页保留标题、价格、评分、评论数、图片、商品链接。
6. 点击“提取详情字段”，选择商品链接字段，输入“提取商品详情页里的完整描述和规格参数”。
7. 检查详情字段后确认。
8. 设置 limit 为 100。
9. 点击“开始采集”。
10. 采集完成后下载 Excel；如果需要商品图片，在预览页点击图片列的下载图标批量保存。

---

2. Chat Agent：用自然语言完成采集、分析和报告

Chat Agent 适合把一整套数据任务交给 DataLens：打开网页、识别采集目标、采集数据、整理结果、生成报告和可下载文件。

2.1 如何提出一个明确需求

一个好的需求最好包含 5 个信息：

1. 目标网页：要采集的网址。
2. 采集对象：商品、评论、文章、招聘、商家、视频、帖子等。
3. 字段要求：要哪些字段，不要哪些字段。
4. 数量范围：例如前 50 条、前 200 条、当前页全部可见数据。
5. 后续产物：是否要清洗数据、分析、图表、Markdown 报告、CSV 或 Excel 文件。

推荐写法：

请打开这个页面：https://example.com/search?q=coffee
采集前 100 条商品数据，包括标题、价格、评分、评论数、商品链接和图片。
如果每个商品详情页里有描述和规格，请进入详情页提取。
采集完成后，分析价格分布和评分分布，生成一份报告，并保存清洗后的 CSV。

不推荐写法：

请帮我采集全网热销商品。

这个说法范围太大，也缺少目标网站、目标字段、数量范围、是否下钻和产物要求，Agent 很难直接开始采集。

2.2 Chat Agent 的典型工作流

一次完整任务通常会经过这些阶段：

1. 打开目标网页。
2. 检查页面结构，必要时点击筛选、搜索、分页或加载更多。
3. 检测可采集的表格或列表。
4. 分析字段结构。
5. 如果你要求详情页字段，配置下钻采集。
6. 启动采集任务。
7. 采集完成后保存结果。
8. 整理当前任务生成的数据文件。
9. 按你的要求完成清洗、合并、统计、图表或报告。
10. 把生成的文件展示在文件面板中，供你预览和下载。

如果目标网站需要登录，Agent 不会向你索要密码，也不会绕过权限。它会提示你在浏览器里自己完成登录，然后再继续采集。

2.3 如何采集、分析和生成报告

你可以把采集和分析写在同一条消息里：

打开 https://example.com/jobs?q=data
采集前 80 条招聘信息：职位名称、公司、地点、薪资、发布日期、职位链接。
进入每条职位详情页，提取岗位职责、任职要求和公司介绍。
采集完成后分析：
1. 哪些城市机会最多
2. 薪资区间分布
3. 高频技能关键词
4. 值得关注的岗位清单
最后生成一份 Markdown 报告，并保存清洗后的 CSV。

你也可以分步做：

先采集这个页面前 50 条数据，只保留标题、链接、发布时间和摘要。

采集完成后再说：

基于刚才采集的数据，帮我分析主题分布，生成一份中文报告。

2.4 产物如何查看和下载

Chat 里有两类产物：

采集结果

采集完成后，结果卡片可以打开预览面板。预览面板里可以下载 Excel 采集结果。

工作台文件

当 Agent 生成了清洗数据、分析表、图表或报告，这些文件会出现在右侧文件面板中。

常见文件类型：

• 原始数据：采集得到的 CSV。
• 清洗数据：处理后的 CSV。
• 分析产物：统计表、图表图片等。
• 报告：Markdown 报告或其他报告文件。

下载方式：

1. 打开右侧文件面板。
2. 点击文件查看预览。
3. 点击下载按钮保存文件。

如果 Agent 在回复中给出 @文件名 形式的文件链接，也可以直接点击该文件链接打开预览。

2.5 Chat Agent 是如何工作的

你可以把 Chat Agent 理解成三层：

第一层：浏览器操作

Agent 通过 DataLens 浏览器插件打开目标网页、读取页面结构、点击筛选项、检测列表或表格，并启动采集任务。

实际采集由 DataLens 自动完成，不是手动一条条复制网页内容。这样可以处理滚动、分页、加载更多和详情页下钻。

第二层：数据采集

DataLens 会根据字段配置执行采集。对于普通列表，它采集列表页字段；对于详情页字段，它会基于链接字段打开每条记录的详情页，再补充详情字段。

采集完成后，结果会出现在当前对话中，并可以继续用于分析和报告。

第三层：数据分析与报告

当你要求分析、清洗、合并、图表或报告时，Agent 会基于已采集的数据生成新的文件。你不需要自己写代码；只需要说明想看哪些结论、图表或报告。

---

3. 选择哪种方式

使用浏览器插件，当你：

• 想自己确认页面上哪一块数据被采集。
• 想手动编辑字段。
• 想快速从当前页面导出 Excel、CSV 或 JSON。
• 想批量下载图片列里的图片。

使用 Chat Agent，当你：

• 希望用一句话完成采集、清洗、分析和报告。
• 需要详情页字段，但不想手动配置每一步。
• 需要对多个文件做合并、统计或图表。
• 需要让 Agent 生成可下载的报告和分析产物。

---

4. 常见问题

为什么 Chat Agent 提示要安装或更新插件？

Chat Agent 的网页采集能力依赖 DataLens 浏览器插件。如果插件不可用，Agent 会停止调用浏览器采集工具，并提示你安装、更新或刷新插件。

为什么页面检测不到表格？

可能原因：

• 当前不是普通网页，例如浏览器设置页、扩展页、空白页。
• 页面还没加载完。
• 数据需要先搜索、筛选、滚动或展开。
• 页面结构比较特殊，需要 Agent 通过页面结构兜底识别。

你可以先刷新页面，再重新检测；或者在 Chat 里告诉 Agent：“先点击某个筛选/搜索/加载更多，再采集列表”。

什么时候需要下钻采集？

只有当目标字段不在列表页，而在每条记录点进去后的详情页时，才需要下钻采集。

例如列表页只有商品标题和价格，但你还要商品详情描述，就需要选择商品链接字段并配置详情字段。

下载 Excel、CSV、JSON 怎么选？

• Excel：适合人工查看和简单分析。
• CSV：适合表格软件、BI 工具、数据库导入。
• JSON：适合程序处理，能保留更复杂的结构。

采集时还能操作网页吗？

不建议。采集过程中 DataLens 会自动滚动、翻页或打开详情页。为避免影响结果，建议暂时不要操作目标网页。

使用 DataLens 需要注意什么？

请确保你有权访问和使用目标网页上的数据，并遵守目标网站的服务条款、隐私政策和当地法律法规。不要采集你无权访问的数据，也不要用 DataLens 绕过登录、付费、验证码或其他访问限制。