芭奇：不用编写采集规则也可轻松采集网站

lite6

核心提示：一直以来，大家都在用各种类型采集器或网站程序自带的采集功能，它们有一个共同的特点，就是要写采集规则才可以采集到文章，这个技术性的问题，对新手站升可不是一件容易的事，对老站长，它也是一个费力的工作。那么，如果做站群的话，每个站都要定义一个采集规则的话，  
                一直以来，大家都在用各种类型采集器或网站程序自带的采集功能，它们有一个共同的特点，就是要写采集规则才可以采集到文章，这个技术性的问题，对新手站升可不是一件容易的事，对老站长，它也是一个费力的工作。那么，如果做站群的话，每个站都要定义一个采集规则的话，那就真是苦不堪言。有人说，站长是一个网络搬运工。这话说得也是有道理的。互联网上的文章，很多都是你搬我的，我搬你的，为了生活，不得不如何做下去。现在芭奇站群软件新出一个新的新型采集功能，能大大减轻站长的“搬运工”的时间，也不用再写烦人的采集规则了，这个功能就是互联网首创的功能---指定网址采集。下面我教大家如何使用这个功能：  
一、首先打开这个功能。在网站右健可以看到这个功能：如下图。  


  
二、打开后的功能如下，可以在右边填写指定采集的列表地址：  


  
这里我以百度的搜索页为采集源，比如这个地址：http://news.baidu.com/ns?cl=2&rn=20&tn=news&word=%B0%C5%C6%E6  


  
然后我利用芭奇站群软件来采集这个搜索结果的所有文章。大家先可以分析一下，这个页面，如果用各种类型采集器或网站自带程序来自定义采集所有文章，那是不可能采到的。因为互联网还没有这样的通用采集不同网站的功能，但现在，芭奇站群软件可以实现了。因为这个软件支持泛采集技术。  
三、首页，我填上这个百度结果列表到软件的“起始采集的文章列表地址”上，如下图：  


  
四、为了能正确采集我想要的列表，我们分析结果列表上的文章，都有一个通用的后缀后，就是：html、shtml、htm，那么，这三个共同的地方就是：htm我定义到软件，这样的做法，是减少采集没用的页面，如下图：  


  
五、现在可以采集了，不过，在这里提示一下大家，一般一个网站里面，带相同字符的会有很多，对于这个百度列表的，也有百度自身的网页，但百度自身的网页内容，不是我要采的，那么还有一个地方可以排除不采带有百度网址的页面。如下图所示：  


  
这样定义后，就避免采到百度自己的页面了。那这样填好了，就可以直接采集文章了，点“保存后采集数据”：  


  
一两分钟后，采集过程结果如下图所示：  


  


  
六、这里我就只采一部份文章，先停止不再采了，那现在看看采集后的内容：  


  


  
七、上面就是采集的过程，按上面的步骤，你也可以采集其他地方列表的文章，特别是一些没有收录，或屏避收录的网站，这些都是原创的文章，大家可以自己去找一下。现在我给大家说一下，软件上的一些其他功能介绍：  


  
1、如上图，这里就是去掉网址和采集图片的功能，可以按你的需求，是否打勾。  


  
2、如上图，这里就是设置采集的条数和采集的文章标题最少字数。  


  
3、如上图，这里可以定义替换词语，支持代码替换，文字替换等，这里要灵活使用，对一些难采集的列表，这里就要用到了。可以将某些代码代换为空，才可以采集到列表链接。  
上面所说的都是芭奇站群软件的新采集功能，这个功能很强大，但这个功能还要继续需要完善，以满足不同人的需求。有了这个工具，你就不用担心自己不会写采集规则了，这个功能容易入门，容易操作，是新老站长最合适的一个功能。如有不懂的都可以加我QQ问我：509229860。  
原文地址：http://www.bakii.cn/guanzhu/201106199404.html　转载时请注明来源！