3839游戏采集最新版
本帖最后由 zcard 于 2010-7-23 16:15 编辑目标站：3839小游戏网
采集规则：使用于任何一个3839 栏目
目标数据：365885条（截止时间：2010-07-23 16:16）
有图为证：
以前发过一个帖子，是关于3839的，好久没有看了，最近发现他改版，说实话版面没有以前漂亮！
今天把新版的采集新的说一下！
等我把他的默认的常规分页列表采集结束后，再去采集“最新游戏”栏目时发现，“最新游戏”栏目里面有很多的游戏在常规分页列表中没有，
常规分页列表里面可以采集到大约2万多条数据，在“最新游戏”列表中还可以采集到1万多条数据，
这两个地方，我一共采集了36308条数据，如下图：
采集的项目如下图：
然后又发现一个问题，那就是在采集到的游戏地址当中（也就是swf文件），有很多不是swf结尾的地址，而是“htm”或者“html”结尾的地址
打开这个html或者htm页面查看源码显示，swf文件地址，就在这个页面，这样子的数据大约有1500条
本着让火车给我们采集数据最完美的原则，就有了这篇文章；
总结：这个网站的swf文件大多是可以在播放页面一步就可以采集到，但是出现如上图的数据怎么办？（就是采集到的地址不是.swf结尾，而是.htm或者.html的怎么办？）
我采取了最笨的办法（也是最麻烦的办法ali78ls）：
1、按照常规采集所有数据（包括.htm或者.html结尾的地址），火车规则1
2、自己写代码把数据库中包括.htm或者.html结尾地址的数据筛选出来，并把本数据的显示页地址取出到文本文件
3、根据这些包括.htm或者.html结尾地址的编码再写一个火车规则2，把真实的.swf地址采集下来
4、把火车规则2采集到的数据，通过写程序去对照火车规则1采集到的数据，并把些包括.htm或者.html结尾地址的数据修改为.swf结尾的地址
下面的附件是我最终整理的数据库（内含36308条数据，截止日期2010-07-21 12:57），以及常规采集规则，即：火车规则1
这个可是小游戏站长的福音啊，有了本数据，你只需要针对自己的cms写发布规则就可以了（有需求可以找我哦，qq：326243419）
**** Hidden Message *****
**** Hidden Message *****
最后：
感谢“小文”对我的技术指导（我的正则不懂，小文本我写的采集点击次数和评价等级的正则）
各位高手们，有没有一个好的办法，使用一个火车规则，就可以把本游戏站的数据全部采集下来，如有高见请回帖子！
另：
本人对火车很感兴趣，闲来没事，就写个规则，练练手，有人加我的qq，说要收火车规则，然后就给我一个笼统的描述，采那个站都不告诉我，就完事了。
声明：对于强大的火车，我只是感兴趣，不打算用此发财，如果有人需要可以免费写，但是不要像有些人加我qq之后，就命令我！
谢谢！ 好东东啊。好东东啊。好东东啊。 dddddddddd{:4_180:} 很好的东西，顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶顶 好帖正如美女是要顶弟的啊！ 要顶要顶要顶要顶要顶要顶 hao 东西，我要看看 很好的东西，顶顶顶顶顶 我靠 这个必须顶啊啊啊啊 强烈顶 正需要呢