火車頭采集教程火車頭采集器使用說明

《火車頭采集教程火車頭采集器使用說明》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、火車頭采集教程火車頭采集器使用說明上圖中，用紅線圈住的LocoySpider.exe是主程序，我們雙擊打開。。。ps：這里說下，上圖中，有好多任務(wù)是我自己用的。。。新程序，并沒有那么多。。。我們會看到火車的界面，看起來非常復(fù)雜，是吧？呵呵，其實并沒有那么復(fù)雜，對于新手，有好多東西是用不到的。。。下邊會一一的講解。。。我們先補習(xí)一下，火車頭采集軟件的工作原理。。。因為我們?yōu)g覽到的網(wǎng)頁，最后都是通過html輸出的，那么意味著，我們可以查看到html的源碼，那么火車頭為什么會采集到內(nèi)容呢？我們看下網(wǎng)站的基本結(jié)構(gòu)。。。

2、htmlPUBLIC"-//W3C//DTDXHTML1.0Transitional//EN""http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">-------這些藍色的東西，對于新手，我們不需要知道！-

3、---紅色的是網(wǎng)頁的標題。。。如下圖（1）內(nèi)容??????????在這個和之間的，是網(wǎng)站的內(nèi)容部分。。如下圖（2）----------這里是網(wǎng)站的結(jié)尾。。。。如果想查看一個網(wǎng)頁的html源文件，之需要點擊瀏覽器上的查看，源文件即可。。。。（1）（2）那么，我們知道了一個網(wǎng)頁最基本的架構(gòu)，那么就好理解火車采集的基本原理了火車采集軟件是怎么采集的呢？我們配置好火車頭采集規(guī)則，什么叫采集規(guī)則？就是我們查看網(wǎng)頁的源文件，看看整個網(wǎng)頁的源碼，內(nèi)容部分的開始標簽

4、，和結(jié)束標簽，這樣火車才能知道，我們要采集這個頁面的哪個部分，比如下邊我們演示的。。。

5、"/>內(nèi)容我們想要采集“內(nèi)容”那么就要告訴火車采集器，內(nèi)容開始標簽是，結(jié)束標簽就是明白了么？呃。。。估計是我的表達能力不夠好。。。so。。。我們看下邊的實例，在好好鞏固下就OK。。。OK。。那么我們開始一步一步教大家設(shè)置采集規(guī)則。。。首先第一個。。我們的目標站。。discuz！x1.5架構(gòu)的網(wǎng)站。。。http://www.yq90.cn/forum-60-1.html我們要把這個版塊的內(nèi)容以及回復(fù)都采集到我們的網(wǎng)站上去。。。

6、首先我們打開火車，新建一個站點。。。點擊火車左上角上的新建按鈕，選擇新建站點。。。如下圖我們只需要填寫站點名就可以，其余的保持默認，然后點擊保存按鈕！然后。。。在這個站點下，新建一個任務(wù)。。。選中我們新建的站點，點擊鼠標右鍵，選擇第一個，從該站點新建任務(wù)。。。如下圖其中1，是任務(wù)的名字，必須填寫。。。2，是整個采集任務(wù)的步驟向?qū)В?，是文章列表的設(shè)置區(qū)域（下邊講解），4，和3差不多。。。5，是登錄的地方，有些網(wǎng)址必須登錄，我們才可以看到內(nèi)容，就是這個東西！OK。就這些，那么，我們一步一步的來！首先我們給我們的任務(wù)加一個標題。。。

7、下一步，我們就開始設(shè)置列表的采集規(guī)則（因為現(xiàn)在火車不知道http://www.yq90.cn/forum-60-1.html這個頁面的文章列表是那些，所以我們要告訴火車！）這里有兩種方式，新手嘛，我也不知道適合哪種。。。我們就用默認的吧，第一種我們點擊向?qū)砑尤缓蟪霈F(xiàn)下圖。。其中有4個選項卡，如果我們只采集目標站點的一個文章列表http://www.yq90.cn/forum-60-1.html，那么我們選中單條網(wǎng)址，直接寫上目標的列表網(wǎng)站，如下圖！然后點擊添加，點擊完成就OK。。那么，如果我們要采集多個列表。那么我們回到看下邊

8、的圖其中1，是目標網(wǎng)站的地址其中2，是火車的通配符（就是某個東西識別的東西）其中3，是間隔數(shù)已經(jīng)補零（下邊一一講解）其中4，數(shù)字變化。。。下邊講解其中5，字母變化。。。那么。。?？聪聢D圖中在地址欄填寫的是http://www.yq90.cn/forum-60-(