火车头采集器

本是古典何须时尚 2022-11-13 06:22 136阅读 0赞

火车头采集器功能还是很强大的，不过如果涉及到采集数据导入自己数据库的话，可能自己写采集的导入更有效率点（不过要有点实力了）。介绍下火车头采集的一点点知识点：

1：采集的开始，就是新建任务（可以先建立分组，在组下建立任务）。

2：之后呢 ，就是建立规则了，分四步：

1）：采集网址规则

![Image 1][]![Center][]

2）：采集内容规则

![Center 1][]

![Center 2][]

![Center 3][]

![Center 4][]

如果采集的结果含有参数1，参数2等的，那么应该是之前的设置采集规则没有删除组合结果的原因。

火车采集器里支持两种正则，一个纯正则，一个参数正则。

** 关于纯正则：**

在标签中用正则表达式采内容的格式是这样：

开始代码(?<content>正则表达式)结束代码

其中在开始代码和结束代码中如有需要转义的字符就要用\\转义。

比如这个：<div class="newsbox">(?<content>\[\\s\\S\]\*?)</div> ，这里我们需要的是<div>标签里面的内容，所以可以这样写。其他的延伸点：

<div class="class\_\\d">(?<content>\[\\s\\S\]\*?)</div>也是采集div标签里面的内容，

<a href="v\_\\d.html">(?<content>\[\\s\\S\]\*?)</div></a> 采集a标签的内容。

**关于参数正则：**

这个不算是正则，可以对采到的内容进行组合。输入框两边都不得为空，后边的组合结果参数是按正则匹配内容的顺序来写的。

比如：

正则匹配内容：<a href="\[参数\]"  alt="www" title="\[参数\]" ></a>   ，组合结果里面，\[参数1\] 就是href对于的内容，\[参数2\]就是title对应的内容。

一般来说，如果页面有多个重复的标签div，想采集这个div标签里面里面里面的标签内容，那么最好从最外层这个重复的标签div开始，然后采用内容过滤的方法来采集到里面里面里面的标签内容。

3）：发布内容设置

免费版， 一般选择方式三，导入到自定义数据库access中。

4）：文件保存及高级设置

这个一般不操作

如果报错：该任务您没有选择采网址，采内容的任何步骤，请检查任务====》任务首页，勾选任务右边三个复选框。

![Center 5][]

附：[http://www.locoy.com/Buy/FunctionComparison/][http_www.locoy.com_Buy_FunctionComparison]

[Image 1]: 
[Center]: /images/20221022/902d0887fc5c460b8a36bc8d2e76b69d.png
[Center 1]: /images/20221022/713e70c707394f188b4d96457ce1f840.png
[Center 2]: /images/20221022/6b5b08f837764c3a962cd254b6ebcb73.png
[Center 3]: https://img-blog.csdn.net/20130910143023390?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaWtzY2hlcg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center
[Center 4]: https://img-blog.csdn.net/20130910143031421?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaWtzY2hlcg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center
[Center 5]: https://img-blog.csdn.net/20130910154344734?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaWtzY2hlcg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center
[http_www.locoy.com_Buy_FunctionComparison]: http://www.locoy.com/Buy/FunctionComparison/