火车头采集教程火车头采集器使用说明.doc

火车头 采集教程火车头采集器使用说明 上图中，用红线圈住的LocoySpider.exe 是主程序，我们双击打开。。。ps：这里说下，上图中，有好多任务是我自己用的。。。新程序，并没有那么多。。。我们会看到火车的界面，看起来非常复杂，是吧？ 呵呵，其实并没有那么复杂，对于新手，有好多东西是用不到的。。。下边会一一的讲解。。。我们先补习一下，火车头采集软件的工作原理。。。因为我们浏览到的网页，最后都是通过html输出的，那么意味着，我们可以查看到html的源码，那么火车头为什么会采集到内容呢？我们看下网站的基本结构。。。!DOCTYPE html PUBLIC -//W3C//DTD XHTML 1.0 Transitional//EN /TR/xhtml1/DTD/xhtml1-transitional.dtdhtml xmlns=/1999/xhtmlheadmeta http-equiv=Content-Type content=text/html; charset=utf-8 / -------这些蓝色的东西，对于新手，我们不需要知道！title网页的标题/title ----红色的是网页的标题。。。如下图（1）/headbody内容? ?? ?? ?? ?? ? 在这个body和/body之间的，是网站的内容部分。。如下图（2）/body/html ----------这里是网站的结尾。。。。如果想查看一个网页的html源文件，之需要点击浏览器上的 查看，源文件即可。。。。（1）（2）那么，我们知道了一个网页最基本的架构，那么就好理解火车采集的基本原理了火车采集软件是怎么采集的呢？我们配置好火车头采集规则，什么叫采集规则？就是我们查看网页的源文件，看看整个网页的源码，内容部分的开始标签，和结束标签，这样火车才能知道，我们要采集这个页面的哪个部分，比如下边我们演示的。。。!DOCTYPE html PUBLIC -//W3C//DTD XHTML 1.0 Transitional//EN /TR/xhtml1/DTD/xhtml1-transitional.dtdhtml xmlns=/1999/xhtmlheadmeta http-equiv=Content-Type content=text/html; charset=utf-8 /title网页的标题/title/headbody内容/body我们想要采集“内容”那么就要告诉火车采集器，内容开始标签是body，结束标签就是/body明白了么？呃。。。估计是我的表达能力不够好。。。so。。。我们看下边的实例，在好好巩固下就OK。。。 OK。。那么我们开始一步一步教大家设置采集规则。。。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