图160S

全局敏感词替换＆近义词替换，功能可以把要替换的词写成一个TXT，遇到要替换的标签，只需要选择下就可以了，一次设置，多次使用。 第一步：设置同义词替换词库 通过上图，高级＝＝》同义词替换管理，来编辑替换词库。如下图： 给词库命个名，然后点击“保存”按钮来保存。 两词之间我们设置的是以“，”号分隔，这个是可以随意设置的。 保存格式为一行一个同义词和一个或多个同义词。 按照上面的设置，我们在左侧侧空白处写了2个例子，现在解释下用途。 高兴,开心 ：在采集结果中遇到“高兴”就会替换成“开心”； 吃饭,睡觉,火车采集器,下班 ：在采集结果中遇到“吃饭”就会从后面的“睡觉”“火车采集器”“下班”，三个词中任意选择一个替换。 大家可以看到他们其实并不是同义词关系，这个功能虽然叫同义词替换，其实采集器是不区分到底它们是不是同义词，这样就不仅仅用作同义词的替换，还可以替换别的，发散思维。 这样一行一行设置好了，点击“保存修改”按钮保存。 通过上面的设置，会生成一个ｔｘｔ文件在采集器的\Configuration\Synonym目录下，如下图 直接在这里编辑删除操作。 第二步，在规则里面选择使用 标签编辑的数据处理那里，添加＝＝》高级功能＝＝》同义词替换，如下图 选择： 这里有个双向替换 的选项框，有使用介绍，自己看下。

火车采集器之任务运行日志使用方法 1，首先开启日志功能 默认是不开启的，也就是不记录采集器的运行情况，如下图 通过菜单栏 工具＝＝》选项： 2，查看日志 在菜单栏 高级＝＝》任务运行日志管理： 任务运行日志查看器如上图。 日志文件夹目录是\System\Logs下面

火车采集器之任意格式文件下载功能使用方法解说，如下图： 编辑标签界面，文件下载选项，勾选探测文件并下载，会把采集到的任何格式的文件附件下载下来，包含常见的图片。 顺便说下其他选项： “将相对地址补全为绝对地址”：勾选这个，会把标签采集到相对地址补全为绝对地址。 “下载图片”：采集器是不认识什么是图片的，只要代码格式是<img src=”图片地址”/>采集器才认为这个是图片，仅仅是图片的地址，勾选这个是不会下载的，很多用户都没有明白这点。 “探测文件真实地址但不下载”：有时候采集到的附件下载地址，其实不是真实的的下载地址，点击后是会有跳转的，勾选这个就会把真实地址给采集出来，但是只是下载地址并不下载。

默认情况下，火车采集器会把采集的数据先保存到自己的数据库，然后根据用户设置的发布配置，再从数据库里面读出数据通过发布配置把数据发布出去。 你也可以不让采集器把采集到的数据保存到自己的数据库，而是采集到数据直接通过发布配置发布出去，也就是边采集边发布。 如下图： 在规则的第四步：文件保存及部分高级设置右下角，红色框起来的部分，勾选下就可以了。

火车采集器之多网站站群式web发布的设置方法,假如你需要把一个采集规则采集到的信息同时发布到多个网站或者一个网站到多个栏目下你可以使用这个功能。 这个功能是把一个规则采集到的信息不重复的发布到多个网站或者多个栏目，但是发布到每个网站或者栏目的信息的条数是不固定的。 在规则第三步：发布内容设置 添加好了发布配置后，勾选“多网站乱序发布”

火车采集器之多页采集网址设置教程，什么是默认页？什么是多页？假如我们通过采集器采集到了最终内容也地址是http://fsdeshun.cn.1688.com/，然后我们还想点击导航栏上面的“联系方式”进入到联系页地址 http://fsdeshun.cn.1688.com/page/contactinfo.htm来继续采集信息。 那么本例的http://fsdeshun.cn.1688.com/在采集器里面就叫做默认页，而地址http://fsdeshun.cn.1688.com/page/contactinfo.htm ，是通过http://fsdeshun.cn.1688.com/获取到 的，那么这个地址 相对与地址http://fsdeshun.cn.1688.com/就叫做多页。 明白了多页和默认页的定义，下面我们来说明写如果从默认页获取到多页。 在规则的第二步：采集内容规则，点击“多页管理”按钮，如下图 打开后看到的界面如下图： 上图看到或者地址的方式有两种方式：１，依据规则对默认页地址替换生成地址；２，在默认页源代码内采集得到地址 １，根据规则对默认页地址替换生成地址：也就是默认页和多页地址上面有相同的地方，通过简单的替换就可以变成多页地址。 ２，在默认页源代码内采集得到地址：也就是多页的地址在默认页的页面源代码里面。 现在就用采集阿里巴巴公司信息为例来说明下这两种方式如何获取多页。 依据规则对默认页地址替换生成地址 比较默认页“http://fsdeshun.cn.1688.com/”和多页地址：“http://fsdeshun.cn.1688.com/page/contactinfo.htm”之间的共同点，在默认页后面加上“page/contactinfo.htm”就是我们的多页地址了。 写到采集器里面如下图： 上图我们把需要的部分用(.*)代替，这里是用正则替代需要的部分，表示方式很多种，大家记住我这种(.*)，是万能的，如果看不懂是什么，那么也不需要纠结了，就记住好了。 下面的替换为是通过$1,$2…$数字来按照顺序对应上面(.*)表示的部分。这里其实用一个(.*)就可以表示了，我这里特意多用了几个，来说明对应关系的。 我们设置好了，把默认页写好然后点击右侧的“测试”按钮，看下测试结果中已经正确获取到我们联系页的地址了，正确后，就可以点击保存了。 这种方式如果默认页地址中出现问号“?”如，那么问号前面一定要加反斜杠写成“\?”，切记切记！！！！！ 在默认页源代码内采集得到地址 我们打开默认页http://fsdeshun.cn.1688.com/查看页面源代码，可以发现我们要的多页地址就在页面源代码里面如下图： 我们在采集器里的设置如下： 和设置采集规则一样，正则匹配内容里面我们把需要的部分用［参数］代替，可以使用多个［参数］，与后面的组合结果中的［参数１］［参数２］．．．．［参数ｎ］，按照顺序一一对应的。 同样我们要测试下获取的结果是不是正确的，如果正确那么就点击保存，在写规则里面使用。 规则设置说明我们如果要采集默认页的数据就根据默认页的页面源代码来设置规则如下图： 我们采集多页的信息就根据多页的页面源代码来设置采集规则如下图： 所属多页这里选择的是对应多页的名称！！！！！一定不要忘记了 看下采集效果：

火车采集器之简体繁体互转功能使用教程,简体繁体互转功能如下图：

火车采集器之列表页分页采集获取功能使用方法，对于设置列表分页，下图设置是最常见也是最常用的。 现在教大家另外一个获取分页的办法，就是通过列表页分页采集获取功能来自动获取分页。 使用这个功能，起始页就只需要把首页地址添加进去就可以了如下图： 分页设置是在 “多级网址获取”里的“列表分页获取”如下图： 上图“从该区域中提取列表分页网址”这里就是找到源代码里面分页开始和结束，中间包含的地址就分页地址。 对于那种分页全部列出来的，设置好这一步就可以了，但是很多情况下分页都不是完全列出来的，中间会有省略号代替如下图： 现在针对全部列出，和不是全部列出这２种情况，做一个都适用的设置，我一直都是用这种方式获取，几乎解决所有的网站。 我们重要的是要找到当前页源代码的特点。我是用http://news.qq.com/newsgn/zhxw/shizhengxinwen.htm 这个列表页来做说明的。 我们看下第一页分页源代码的情况如下图： 再看下第二页源代码的情况如下图： 然后我们不再一页一页看随便看一页，查看源代码我这里选第五页如下图： 通过红色标注，大家看到规律了没有？当前页都是<strong></strong>这个代码后面紧接着一个<a >就是下一页地址。 也就是说我们是要通过当前页获取下一页，这样一级一级的向下获取，直至把所有分页获取到。 那么放到采集器里面的表示就是从<div class="pageNav">开始，中间我不管是什么用(*)表示，然后遇到第一个<strong>(*)strong>，因为页码也是变化的所以中间我用（*）表示变化的。 然后到再到第一次出现</a> 做为结束，中间包含的就是下一页地址。 而且分页地址也有一个规律<a href="http://news.qq.com/newsgn/zhxw/shizhengxinwen_6.htm"> 变化的是页码数字，变化的用参数来替代，其他是不变化的，那么我们只要获取变化 的就可以了。 原理就是这样，在我遇到的分页都是有这样的规律的，源代码肯定是不一样的，但是规律是一样的，大家要会举一反三，不要死脑筋。这里告诉的是方法！！！！ 写到采集器里面如下图： 我们可以通过上图“最多获取分页数”来设置要获取多少页，０为全部获取。 右侧“组合生成列表页分页”我们做了设置的，上图的“自动识别分页”就不需要勾选了。最好不要勾选，有时候会出错。 我上面的截图都是勾选上的，默认是勾选的，设置好规则了，就把这个勾选取消。

列表页附加参数获取功能，是在采集内容页地址的时候，通过设置采集规则，获得的值，也就是获取列表页的值，该值将被循环的添加到每条记录上。 如下图，设置在 “添加多级网址采集规则” 的第四步： 我们通过采集腾讯新闻为例来说明这个功能如何使用。 比如我们采集腾讯新闻的时候，要把分类“时政新闻”这个分类加到每条信息里面。 和第二步建立标签一样，在源代码里面找到前后字符，然后我们建立一个标签［标签：分类］，如下图，这里又有一个地方可以建立标签   所以标签并不是只能在第二步采集内容规则那里建立大家要明白，看下图： 设置好了我们点击保存，测试下。 因为这个标签的值是在列表页获取的，如果你直接到第二步采集测试是采集不到任何值的如下图： 上图看到，分类标签是灰颜色的，就表示这个标签是在采集地址的时候获取的，也就是通过第一步：采集网址规则，如果你不经过第一步直接在第二步测试的话 是没有值的。 必须通过测试网址如下图： 然后点击测试采集到的地址到第二步才可以． 选中地址，在列表页建立的标签和采集的值就会看到如上图。 然后双击地址就会跳转到第二步：采集内容规则 然后测试，就可以把列表页采集的标签显示出来如下图：

火车采集器之内容分页采集使用教程,采集文章的时候，难免遇到文章有分页，本教程讲解下内容分页的采集。 在规则的第二步：采集内容规则左下方有个“分页获取规则”选项卡，用来设置分页。如下图： 全部列出模式适用于分页地址全部显示出来如下图： 上下页上n页下n页适用用分页地址列出一部分如下图 我们先说下上下页模式的分页，以采集这个地址http://www.asia-home.com.cn/2013/0117/1358391833627.html为例 在第一页我们查看分页代码的情况如下： 在第三页分页代码的情况如下： 在第五页分页代码的情况如下： 通过上面我们是否可以得到一个规律：当前页的源代码是“<strong>当前页码</strong></a>”然后紧接着的代码“<a href=下一页的地址>”就包含了下一页的地址 然后以“</a>”结束，也就是从页面源代码“<strong>当前页码</strong></a>”开始然后再以“</a>”结束，中间就包含了“下一页”的地址，这就是我们说的上下页模式， 原理就是找到当前页如何获取到下一页地址的源代码格式，然后我们把这个源代码格式填写到采集器里面如下图： 左侧空白框填写的是“<strong>(*)</strong></a>”其中当前页的页码我们用(*)代替，右侧的空白框我们写的是“</a>”来做为结束，中间的就是下一页地址。 “自动识别”：采集器会在上面的设置的范围内，自动匹配到分页地址。 “手动填写分页地址规则”：有的时候采集器识别分页的时候遇到无法识别或者识别的不是很准确，我们就可以把分页的格式写上去，来确保识别分页的正确性。 一般是我们先用“自动识别”如果获取不到我们就用“手动填写分页地址规则”。本例子中如果我们用“手动填写分页地址规则”可以设置如下： 因为上面我们说明了下一页的地址格式是“<a href=下一页的地址>”，其中我们需要的部分用[参数]代替。下面用[参数1][参数2]等等按照顺序和上面的[参数]一一对应。 以上分页就设置好了，现在我们设置采集内容的规则： 设置的规则一定要适用于后面的分页，然后不要忘记勾选“该标签在分页中匹配”，如果不勾选是不会采集分页地址的。 如何实现采集到的分页发布到自己网站上也是同样的分页，设置如下： 标签循环处理选项卡下面有个“分页内容连接代码”，在这里设置了连接代码，采集到的每页的内容就会以这个连接码连接在一起。 我们手动在自己网站发布文章的时候，需要分页的时候，我们都设置一个分页代码各个网站系统是不一样的，遇到分页代码就会分页，那么我们就可以把自己网站上 生成分页的代码写到这个“分页内容连接代码”就能实现分页效果了。 我们看下采集的效果： 现在说下全部列出模式的分页，如下图： 设置下分页开始和结束。其他设置和上面上下页是一样的。 备注：其实所有的分页都是可以使用上下页模式的，无论分页地址是否全部或者部分列出，根据上面讲到的原理，找到规律就可以了，我写分页全部用上下页模式 还希望大家不用太死板，灵活运用才能更好的解决问题，其实没有什么难的，分析的方法我在上面写的很清楚了，就按照这个来做就可以了。太死板的人，是帮不了你了，无视就好。