|
|
3.0.1火车采集器使用入门
转载请注明出自落伍im286.com,本贴地址:http://www.im286.com/viewthread.php?tid=1849672
菜鸟教菜鸟，会用火车采集的就不用浪费时间了哈
3.0.1火车采集器使用入门
一、简介
火车采内容集器(LocoySpider) 是一个供各大主流文章系统，论坛系统等使用的多线程内容采集发布程序。使用火车采集器，你可以瞬间建立一个拥有庞大内容的网站。
系统支持远程图片下载，图片批量水印，Flash下载，下载附件，探测文件真实地址并下载文件；可扩展性强，只要做出相应的登陆模块，就能将采集的东东发往各种CMS和论坛。
二、安装
官方地址：www.locoy.com 官方论坛：http://bbs.locoy.com
3.0.1版下载地址：http://bbs.locoy.com/viewthread. ... page%3D1&page=1
使用前请安装net framework 2.0
下载地址: http://www.microsoft.com/downloa ... p;displaylang=zh-cn[荐]
火车采集器非常灵活，不拘泥于某一种使用方式。只要你习惯，怎么用都行。下面仅介绍基本用法。
值得一提的是：在制作规则时可以用“（*）”来代表任何变动的部分，这无疑给我们这些不懂正侧表达的人来了福音！在此对火车表示感谢！
三、采集规则的制作及在线发布
3.0.1版采集规则制作及在线发布的基本步骤为：新建站点，在站点下建任务（包括 采集网址、设置内容规则、设置数据发布方式），点 开始 按钮发布。
下面以163明星写真（http://ent.163.com/special/p/00031HGU/portray.html）为例，与大家共同学习采集规则的制作：
（为便于初学者理解，我的步骤与火车的在线教程有点差异。）
准备：用IE打开要采集的站点列表页http://ent.163.com/special/p/00031HGU/portray.html，并打开一内容页面，如http://ent.163.com/05/1205/23/248DINS9000300E1.html，查看内容页源代码。
1.新建站点
打开火车采集器，点击“新建”按钮，出现上下排列的“新建任务、新建站点”，点击“新建站点”出现一对话框，在“站点基本信息”中填写要采集站点的名称和网址：“网易娱乐，http://ent.163.com”，如不做整站规则，可直接点击“保存”。
2.新建任务
点击“新建”按钮，点击“新建站点”，在“选择任务所属站点”中选“网易娱乐”，在“任务名称”中输入要采集的版块名称“163明星写真”。
3. 采集网址 （添加网址的方式有3种：单条网址、批量/多页、文本导入。可根据情况灵活使用）
双击“开始采集地址”的空白处，会弹出“添加开始采集地址”的对话框，将要采集的站点列表页地址“http://ent.163.com/special/p/00031HGU/portray.html”填入框中，点“添加”，再点“完成添加”。观察内容页面地址都包含有“05”，便在“文章内容页面地址必须包含”内填入“05”，点“开始测试网址采集”按钮，采到所要的网址。
注意：默认设置下采不到的网址可试用“自定义链接格式”
4.内容规则设置
切换到“内容规则”，把要采集的内容页面的网址http://ent.163.com/05/1205/23/248DINS9000300E1.html拷贝到“典型页面”测试框中，点击“测试”读取源码。观察测试页的源码，发现按默认标签采集回来的标题多了“_网易娱乐频道”，双击“标签名”下的标题标签，会弹出一对话框，在“内容排除”下方点“Add”把“_网易娱乐频道”添加到排除内容框里，点“确定”，标题标签设置完成。
注意：内容标签开始和结束代码的设置，一定要注意所取代码的惟一性，这是规则成败的关键。
我们观察http://ent.163.com/05/1205/23/248DINS9000300E1.html的源代码发现所采页面的各分页内容开始处都有“<!-- 正文 -->”，内容的结尾处都有“</div>”，利用IE的查找功能确定它们是惟一的，可作为内容开始和结束代码，双击内容标签，在“开始字符串”中填入“<!-- 正文 -->”，在“结束字符串”中填入“</div>”，再点测试页面的“测试”就能看到采集效果，发现内容标签中多了这样的代码“<img src="/img/e.gif" width="18" height="18" align="absbottom" alt="应声虫" border=0>”，多测试几个页面后，还发现有的内容多了“<div id="travesty">，<div class="travestypic">”这样的代码， 双击内容标签，在“内容排除”下方点“Add”把“<img src="/img/e.gif" width="18" height="18" align="absbottom" alt="(*)" border=0>,<div id="travesty">，<div class="travestypic">”分别添加到排除内容框里，钩上“下载图片”，点“确定”，内容标签设置完成。
5. 分页的设置（其实质就是把每个分页的地址都包含在内）（无分页的可不设）
观察几个内容分页的源代码后，发现每个页面的分页代码都有用图片表示的“上一页”和“下一页”，而且各分页地址都包含在其中，便以“上一页”和“下一页”的图片名称“arc_pre.gif”，“arc_next.gif”作为分页设置的起止代码，选中上下页形式（选全部列出模式也行），选中内容循环匹配。这时点测试页面的“测试”能见各分页合并的内容，点“更新”，跟提示做。分页设置完成。
6.数据发表方式设置
3.0.1有5种数据发布方式，目前开放的只有前3种。这里讲第3种：在线发布方式。
切换到“数据发布方式”，选中“方式三”，点击“全局发布方式（已完成）”，在“选择系统代码类型” 中选定发布模块——》填写网站/cms根地址、用户名和密码（或使用火车内置浏览器登陆，登陆后关闭内置浏览器）——》刷新列表——》测试模块，测试成功——》保存配置——》保存任务。
7. 下载设置
返回火车主界面，选中任务点右键，再点“任务高级设置”调出对话框，在“文件链接地址前缀，一般填你的域名或根目录/”处填写“http://www.****.com/img（填你的域名/放图片的文件夹名）”，保存设置。
注意：文章倒序发表的设置也在这里哦
8.系统设置（一般使用默认设置，这步可省略）
点击主界面上方的“系统设置”，再点“系统全局”，可进行线程，间隔时间等设置。
9.点击主界面“开始”按钮，即开始在线发布。
呵呵，到自已的站上去看看吧，见到帖子了吧，恭喜你啦！耶，图片没有显示哦
10. 在火车采集程序的 LocoySpider3.1\Data\任务名称\Locoy_Img目录下找到存放的图片，将图片上传到图片地址对应的空间目录，再刷新下页面，呵呵，大功告成！图片显示了！
|
|
|手机版|Archiver|火车采集器官方站
( 皖ICP备06000549 )
发表于 2007-2-23 22:46:05
发表于 2007-2-23 23:12:42
MM真是有心人呀
楼主