1.20版本之手工导入导出规则

failurewu

发现1.20版没有设置导入导出功能，采集的网址太多了看起来都头疼，所以想到了一个简单的方法，见2楼

[ 本帖最后由 failurewu 于 2006-3-18 13:05 编辑 ]

failurewu

发现1.20虽然不可以导入导出，但可以手工备份
即目录下的urldata文件，格式为：

1. 
   
2. <?xml version="1.0" encoding="utf-8"?>
   
3. <!--Rainsoft XML Config / Copyright (c) 2004,2005 RainTrail Studio.China-->
   
4. <!--Created by LocoySpider.exe! 2005-11-02 20:13:04-->
   
5. <config>
   
6.   <采集名称>
   
7.         <全部网址>
   
8.               http://www.xxxxx.com/3985.htm
   
9.               http://www.xxxxx.com/3986.htm
   
10.               http://www.xxxxx.com/3987.htm
    
11.       </全部网址>
    
12.     </采集名称>
    
13. </config>
    

复制代码

failurewu

其次发现采集二级链接时候如果网址中有中文字符，则会出现乱码，不能采集，这时候你可以打开urldata文件进行批量替换，如果数目比较多的话建议复制到word文档中进行批量替换，记事本的速度不怎么快，批量替换完毕后一般可以采集入库

failurewu

今天来了性质顺便发个比较牛的规则，新建了一个通用规则，题目中没有什么，但内容中要排除如下字符

1. 
   
2. <div (*)>
   
3. <Script (*)>(*)</Script>
   
4. <Font (*)>
   
5. <table >
   
6. <span >
   
7. <?  (*)>
   
8. ……………………
   

复制代码

等等与格式明显有关的标志
也可以把</p>替换成<br>
这样感觉要好一些

[ 本帖最后由 failurewu 于 2006-3-18 03:34 编辑 ]

failurewu

建议采集的时候不要一次采的太多，一般1000左右就可以了，多的分几次，不然很麻烦
我是做英语网站的，有人需要的话可以把一些规则传上上来。
以上是使用火车头的一点感受，敬请批评指正，呵呵。

netdream

欢迎啊!!!能多发些上来吗？

netdream

欢迎啊!!!能多发些上来吗？

coolwei888

原帖由 failurewu 于 2006-3-18 03:37 发表
建议采集的时候不要一次采的太多，一般1000左右就可以了，多的分几次，不然很麻烦
我是做英语网站的，有人需要的话可以把一些规则传上上来。
以上是使用火车头的一点感受，敬请批评指正，呵呵。

谢谢  正想要英文站点啊

ltw1008

复杂