火车采集器使用教程.docVIP

一、新建任务 1.在任务列表空白处单击右键，选择新建分组 2.在弹出对话框内添加分组名称A，并点击保存 左键单击新建分组A，选择之后右键单击，选择新建任务 在弹出对话框内添加任务名B 二、添加采集网址规则 1.在起始网址右侧单击“添加”按钮 在弹出对话框内添加采集列表页规则： （1）单页面网址添加在“单条网址”分页内：直接把URL复制到文本框内，依次点击“添加”、“完成”即可； 有规则的批量网页可以在“批量/多页”分页内添加：将地址格式（如：/list/?204_1.html和/list/?204_2.html的规则是/list/?204_(*).html） 在多级网址获取右侧单击“添加”按钮 在弹出对话框内添加采集脚本规则 附录：脚本规则填写方法 找到新闻列表页要采集的内容，并在源码中找到文章所对应的链接，观察代码规则，发现他们的共同点是： td style=border-bottom:dashed 1px #ccc; align=lefta href=[参数](*)/a/td [参数]是你要采集文章的链接，(*)为变量。 注意：一定要确保[参数]两端的规则完整，不能光填写a href=[参数]，因为通篇只要带链接的都会是这样的代码。如这样填写会造成抓取错误。 注：填写完采集规则后，可以点击“测试网址采集”按钮，来验证你填写的规则是否能让程序采集到文章页URL。 添加采集内容规则 删除不需采集的内容 在“采集内容规则”分页中将不需要采集的几个选项删除掉，双击需要采集的内容相应的框框，并在弹出的对话框内填写相应的规则。 填写标题规则 在页面中找到你想要采集的标题 在源码中找到你想采集的标题对应的位置 填写标题规则（正则提取）。如上面代码中的规则为： h3 style=text-align:center;[参数]/h3 其中[参数]是想要采集的标题 注：[参数]的前后必须唯一，确保整个源码页面中只出现一次，否则会影响程序采集 填写内容规则 基本与标题规则填写方式相同 1.寻找正文前面唯一的代码规则 2.寻找正文后面唯一的代码规则 3.填写正文规则（正则提取）。如上面代码中的规则为： div style=text-align:center;[参数]div class=clear 其中[参数]是想要采集的文章正文 4.添加Html标签过滤 5.测试其他页面是否也遵循此规则 在典型页面添加其他新闻页的URL，点击“测试”按钮，看能否采集到正常内容，如果可以，说明规则填写正确，如果不能显示说明规则填写错误。 发布内容设置 1.在发布内容标签页面勾选“启用方式二保存”前方的勾选框 2.选择保存文件格式为html 3.选择保存位置 4.文件模板选择html - 2次加工.html 注：html - 2次加工.html的编写内容为： html head meta http-equiv=Content-Type content=text/html; charset=UTF-8 / title[标签:标题]/title /head body margin=0 [标签:标题]br [标签:内容]br /body /html 注：html - 2次加工.html的保存位置： ..\火车采集器V8\System\FileTemplate\html - 2次加工.html 发布内容设置 1.在主界面的任务栏里勾选任务名后面需要进行的任务，右键选择开始任务，程序即可自动采集、保存本地文件