火车头采集规则不足的地方！

regid2010

发现了 火车头采集规则不足的地方！ 希望重视 和 改进！

1.  发现火车头在 设置采集规则 设置标签 的时候：
   
   如果 勾选了 ：  去除首尾空白字符 和  换行|Tab \r\n\t
     就会把 上下行 内容 挤在一起 写成一行。这样很不舒服。

   比如： 采集页的内容

1. 小明
   
2. 小东     
   
3. 小红  

复制代码

勾选了 ：  去除首尾空白字符 和  换行|Tab \r\n\t
之后变成了：
小明小东小红

这不是我要的结果！我希望的结果是：小明 小东 小红
写成一行，而且彼此之间用一个空格符隔开或其他字符隔开也行如 小明|小东|小红

这就是 第一个 问题： 没法过滤 多余空格及多余空行 而 只保留一个空格 和 删除掉 所有的空白行

我也考虑过了 通过 内容排除 和 内容替换 怎么设置也 实现不了

希望能 增强这 方面

2.  希望有个 内容判断选择 功能：

如 采集页 有的是 代码1：

1.           <tr>
   
2.             <th scope="row" valign=top>制片：</th>
   
3.             <td>
   
4.                                                         Darla K. Anderson  ...[<a href="#" onclick="return showDialogMsg(this,'制片','Darla K. Anderson  ....producer<br>Kevin Reher  ....producer');">更多</a>]
   
5.                                                 </td>
   
6.           </tr>

复制代码

有的是 代码2：

1.           <tr>
   
2.             <th scope="row" valign=top>制片：</th>
   
3.             <td>
   
4.                                                         Darla K. Anderson                                                </td>
   
5.           </tr>

复制代码

我想 提取 制片人 这两段代码 中 提取 比较全的 内容。
代码1 应该提取 <a (*)>  与 </a>之间的内容
代码2 应该提取：
<tr>
            <th scope="row" valign=top>制片：</th>
            <td>
和
</td>
          </tr>
之间的内容

这就需要判断了。 当存在 标签 <a (*)>(*)</a>  就应该取其 之间内容
而不存在 再取 其他 内容。

这就没法设置了。 头疼啊。

希望 火车头能 增强 标签 这块 的功能

专业收费采集

我看了下 我就觉得这样的功能火车头已经实现了 只是你还没有深入了解火车头

采集规则设置有很大的关系的

regid2010

我看了下 我就觉得这样的功能火车头已经实现了 只是你还没有深入了解火车头

采集规则设置有很大的关系的
专业收费采集 发表于 2010-11-9 10:55

可 我也考虑过了 通过 内容排除 和 内容替换 怎么设置也 实现不了

你说已经实现了？ 那怎么设置？ 我没找到这方面的知识

专业收费采集

可 我也考虑过了 通过 内容排除 和 内容替换 怎么设置也 实现不了

你说已经实现了？ 那怎么设置？ 我 ...
regid2010 发表于 2010-11-9 10:59

这个就是经验了 用多了自然就知道了

你如果也像我一样 用火车头两年了 就会熟悉的 相信我

regid2010

这个就是经验了 用多了自然就知道了

你如果也像我一样 用火车头两年了 就会熟悉的 相信我
专业收费采集 发表于 2010-11-9 11:06

    知道经验不足。。。
    请问如何设置能分享下不。 急需解决啊。。。