火车采集器小教程.doc

火车采集器小教程 黑咯咯华丽的小张琴出品 不说废话了，好累，上图上真相 第一步，添加站点 第二步，添加任务 第三步 采集网址规则 打开阿里巴巴的网站 下面要填文章内容页面必须包含的东西 打开两个内容页面，比较一下网址： 这俩页面网址： /athena/contact/nhsin.html /athena/contact/yjqineng.html 找到里面一样的部分contact 很多小盆友问，为什么只取这一点点？ 我们再看其他网页 比较三个网址： /athena/contact/nhsin.html /athena/contact/yjqineng.html /athena/companyprofile/fsicon.html 第三个是公司介绍的网页，发现，联系方式有的，公司介绍没有的就是contact，所以用contact 不过其实多一点问题也不大，自己用的是很试试看就可以了。 测试 第三步，采集内容规则设置 把原有标签全部删掉后，点添加标签。 打开典型页面 打开源文件 添加标签页面 下面我们添加企业名称这个标签 在源文件里找到这个企业的企业名称。 再示范一个电话号码 测试一下 然后回到第一步采集网址规则，再测试一下，随便双击一个网址，测试一下内容是否能采集 没有问题，就点保存（或者是更新按钮）。反正都是在这个位置 可以开始采集数据了 第四步，数据采集 采好的数据在access数据库里，没装的童鞋要装哦~~~ 把这些数据直接复制到Excel就可以了 这是采完了第一页，要采以后的怎么办呢？ 打开网页，找到第二页 第三页 对比网址 /company/%E6%B0%B4%E9%BE%99%E5%A4%B4/2.html /company/%E6%B0%B4%E9%BE%99%E5%A4%B4/3.html 变化就在最后面的数字，所以把最后的数字变成*（传说中的通配符） 更新之后就可以开始继续采数据了 另注：关于全局设置问题，参见自带help.chm文件