2015年火车头采集4088623.docVIP

火车头 采集教程 首先第一个。。我们的目标站。。discuz！x1.5架构的网站。。。/forum-60-1.html我们要把这个版块的内容以及回复都采集到我们的网站上去。。。首先我们打开火车，新建一个站点。。。点击火车左上角上的新建按钮，选择新建站点。。。如下图我们只需要填写站点名就可以，其余的保持默认，然后点击保存按钮！然后。。。在这个站点下，新建一个任务。。。选中我们新建的站点，点击鼠标右键，选择第一个，从该站点新建任务。。。如下图其中1，是任务的名字，必须填写。。。2，是整个采集任务的步骤向导，3，是文章列表的设置区域（下边讲解），4，和3差不多。。。5，是登录的地方，有些网址必须登录，我们才可以看到内容，就是这个东西！OK。就这些，那么，我们一步一步的来！首先我们给我们的任务加一个标题。。。下一步，我们就开始设置列表的采集规则 （因为现在火车不知道 /forum-60-1.html 这个页面的文章列表是那些，所以我们要告诉火车！） 这里有两种方式，新手嘛，我也不知道适合哪种。。。我们就用默认的吧，第一种我们点击向导添加然后出现下图。。其中有4个选项卡，如果我们只采集目标站点的一个文章列表/forum-60-1.html，那么我们选中单条网址，直接写上目标的列表网站，如下图！然后点击添加，点击完成就OK。。那么，如果我们要采集多个列表。那么我们回到 看下边的图其中1，是目标网站的地址其中2，是火车的通配符（就是某个东西识别的东西）其中3，是间隔数已经补零（下边一一讲解）其中4，数字变化。。。下边讲解其中5，字母变化。。。那么。。。看下图图中在地址栏填写的是 /forum-60-(*).html 这个。那么，这是什么意思呢？ 我们打开 /forum-60-1.html 这个地址，然后点击下一页发现地址变成了 /forum-60-2.html 那么我们在点击下一页，就是第三页，发现地址变成了 /forum-60-3.html 那么在点击第四页。。想必大家也知道变成什么了吧？ 那么第一页：/forum-60-1.html第二页：/forum-60-2.html第三页：/forum-60-3.html翻页中，我们发现，只有1在变化。。。那么我们在火车那里就填写/forum-60-(*).html 这个，其中1用火车的通配符(*)替换掉。。。意思就是，只有1在变化。。。在看下边其中数字变化，从1到5.意思就是 从地址栏 /forum-60-(*).htm获取地址 1到5，就是下边这样的。。。 /forum-60-1.html /forum-60-2.html 。。。 /forum-60-5.html 明白了么？其实很简单。。。那么字母变化，就是 /forum-60-a.html /forum-60-b.html 。。。 /forum-60-z.html 因为我们目标地址是数字变化。。。我们继续看下边间隔倍数，和补零。间隔倍数1是什么意思？40又是什么意思呢？间隔倍数1就是 /forum-60-1.html /forum-60-2.html 。。。 /forum-60-5.html 间隔倍数40就是 /forum-60-40.html /forum-60-80.html 。。。 /forum-60-200.html 明白了么？那么我们在看补零，补零就是。。。 /forum-60-01.html /forum-60-02.html 。。。 /forum-60-05.html 就是这样。。。其实很好理解。。。OK。。我们继续。。。我们填写完成后，点击添加 - 完成。。如下图到这里，我们的地址就添加完成了。。。那么下边，我们来设置区域列表。。。我们先设置第一个。。。“文章内容页面地址必须包含。。。不得包含。。。”我们随便点开/forum-60-1.html 这个网址中的两篇文章，看下URL。。就是文章地址。。/thread-88312-1-1.html/thread-88373-1-1.html发现以上两个地址。。。那么他们其中只有 /thread-88373-1-1.html 红色部分在变动。。。那么，文章内容必须包含。。。我们写 /thread-(*)-(*)-(*).html 这样就可以,那么我们点击“开始测试网址采集”这个时候，我们点开网站前边的+号发现，其实网址已经采集成功了。其中的并不需要填写。。。这是为什么呢？因为我们采集的页面 /forum-60-1.html 中的文章地址，就是 /thread-88373-1-1.html这样的地址，至于为什么要写成/thread-(*)-(*)-