找回密码
 注册
查看: 1043|回复: 0

芭奇:不用编写采集规则也可轻松采集网站

[复制链接]
发表于 2011-9-6 16:56:35 | 显示全部楼层 |阅读模式
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!
您需要登录后才可以回帖 登录 | 注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

QQ|Archiver|手机版|小黑屋|鼠窝站长论坛

GMT+8, 2024-12-25 01:03 , Processed in 0.051370 second(s), 17 queries .

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表