使用火车头的几点体会和建议

c123321

本人使用火车头采集了一些数据，现在就对其中的问题作一个简单说明：

1,火车头对于采用第二种规则生成要采集的列表页的问题：
　　就是用比如www.aaa.com/html/(*).html,其中(*)设一个起始终止值的问题，
　由于如果顺次生成比如设置1--10,这当中可能5.html不存在，这时候火车头的程序就会死在这儿，所以对于这种情况，可以给个设定，比如返回404错误，或者其他固定字符的或者返回字符的个数少于多少的自动不采集（因为有的不返回404错误，直接就是返回“你察看的页面不存在之类的”）。

2,自定义标签的入库问题；
　首先自定义标签在入SQL数据库对应的时候会出现错误具体参考
http://bbs.locoy.com/viewthread.php?tid=3684&fpage=1&highlight=%D7%D4%B6%A8%D2%E5%B1%EA%C7%A9　这个帖子的5楼，我的错误和他一样，不知道大家谁解决了，　如果自定义标签数据不能入库，那设置这个我们采集到了有啥用处》？

3,看了自定义入SQL库的情况，应该采用的是ADO链接，既然这样，那么access库等其他库也可以支持，步骤差别应该不大，是吧，主要这样可以入多个库方便数据转入其他采集程序再编辑，因为如果都不编辑，直接数据采集了就入库发表出来，随着大家使用火车头水平的提高，一堆垃圾站就出来了，到时候可能会被封站的，呵呵。

　　最后，我还是急需解决自定义标签入库的问题，大家帮我吧，或者给我个例子，呵呵。我发图片
生成的datalink.xml文件内容如下（节选）

- <sql_server_学习网规则>
  <连接字符串>Provider=SQLOLEDB;Data Source=127.0.0.1;User ID=sa;　Password=;Initial Catalog=foosun</连接字符串>
  <数据连接1>insert into {study_table}(Caption,bigclass,smallclass,filesize,isVip,UpLoadTime,contentjieshao) values ('[标题]','[自定义:大类]','[自定义:小类]','[自定义:文件大小]','[自定义:是否vip]','[自定义:上传时间]','[内容]')</数据连接1>
  <数据连接2 />
  <数据连接3 />
  <数据连接4 />
  <数据连接5 />
  <数据连接6 />
  </sql_server_学习网规则>

[ 本帖最后由 c123321 于 2006-4-23 11:45 编辑 ]

火车头

收到...

软件自定义入库本阶段的确有问题,不过通过手动修改datalink.xml可以解决

飞空

火车来拉

c123321

相信大家等待的2.0版本也不远了吧，哈哈哈

对了，既然火车头说可以通过修改data.xml 文件来入库，为啥我修改成我上面提供的那样子还是不行啊，请给我说明一种可用的办法，我来试验一下，或者给个自由标签的data.xml的例子，我照着作，谢谢，

如果后天就出2.0版本的话那这个问题到此为至，呵呵

再问个问题吧，起始关于去掉内容中的script,超级链接，object等都应该给一个选项，目前如何采集带有内部链接那种站点呢？请给出用正则表达式替换的办法，谢谢，

[ 本帖最后由 c123321 于 2006-4-24 02:24 编辑 ]