火车头采集规则怎么写的（火车头采集规则教程）

大家好，下面小编给大家分享一下。很多人还不知道机车集合规则怎么写(机车集合规则教程)。下面详细解释一下。现在让我们来看看！

1.如何写出机车收藏家的收藏规则，并在页面上收藏图片中的文字？

不得不说机车在某种程度上是有用的，但我个人认为不是很有用。光是写那些收藏规则，设置东西，就是一大堆晦涩难懂的东西。拿着钱。一开始客服很热情的为你解答。一旦你付了钱，你就买了它，并制定了规则。嗯，有什么问题得找客服解决。结果花了一个多月才搞定，整个网站的工作流程全都耽误了。还不如努力自己手动写文章收集什么呢~

更近一些—& gt；家、机车使用:新建站->:创建新任务->:填写想要收藏的网站文章列表->:点击下面的网址开始测试->:如果你收藏了很多篇文章，看每个地址的相同部分(比如system/2012/03/07)，点击返回修改，将system/2012/03/07的部分添加到“文章内容必须收录”再测试一次，就可以收藏3月7日的文章地址了->:前面准备好网址后，单击第二步并设置标签。通常，该集合包括标题

2.飞猪机车采集器怎么写发布规则？

首先，我们来谈谈网站结构。通常，网站结构是树形结构。一个网站主要包括以下几个页面:首页、栏目页、文章页。其结构如下图所示。

其次说一下机车集合的原理。机车的运行需要一套规则来规定如何采集所需的数据，也就是需要编制机车采集规则，这也是新手最头疼的问题。机车通常通过网址抓取网站返回的源代码，然后从源代码中提取所需信息。

所以要收集数据，需要先收集网站，再收集数据。2开始编写采集规则:运行LocoyPlatform.exe3、在左侧任务列表树中选择一个组，点击右键，选择新建任务，弹出新建任务对话框。

填写任务名称，网站代码一般可以自动选择。添加起始URL，并填写“步骤1:收集URL规则”。这里需要根据网站的树形结构一步步获取下一级结构的URL，直到获取内容页面的URL。

先填出发网站，一般是目的站的家庭地址。点击“添加”，在单个网址填写机车博客首页地址，然后依次点击“添加”->“完成”。

要编译“多级URL获取”规则，您需要找到需要在初始地址页面上收集的columns page的所有代码区域。先检查初始地址的源代码，找到如图所示的代码区域:点击右边的添加按钮打开“添加多级URL获取规则”，选择单选按钮“从页面自动分析中获取地址链接”，然后下面的“从这个选中的区域提取URL”。在“从”(左)文本框中的栏目地址码区开始前填写标识代码(以保证其在本页的唯一性)，在“到”(右)文本框中的栏目地址码区结束后填写标识代码，并在“结果URL过滤”的“必须包括”和“不得包括”文本框中填写相应的代码。如果该区域中没有不需要过滤的冗余链接，您可以将其留空。此处的栏目页面URL必须包含“类别-”，然后单击“保存”返回。

现在您需要获取内容页面的地址。首先打开columns页面查看源代码，找出内容页面地址所在的区域和地址规则。

按照上一步的方法，先填写内容页所在区域的开始和结束logo代码，然后分析这个区域包含的链接与我们需要的内容页地址之间的链接规则，添加过滤代码。这里起始码是“”，结束码是“”。过滤器代码必须包含“read-”，不得包含“#”。

如下图所示，需要注意的是，这里文章多的时候会有很多分页，需要填写“列表分页”规则。通常只需要指定分页代码的区域，必要时可以填写“组合生成列表页分页”的规则。

这里的列表分页规则实际上是代码“”，结束代码是“title=" next page " >”。如果选中“自动识别分页”，将自动提取A标签的href属性。如果没有勾选自动识别，则需要填写“组合生成列表页分页”的规则。

那就存了再还。可以通过“测试URL集合”来测试规则是否正确。如果不正确，您可以返回并修改规则。如果正确，就可以开始写“收集内容规则的第二步”了。要写“收集内容规则的第二步”，先打开内容页和内容页的源代码，找到要提取的信息前后的代码特征。

以提取标题和内容为例。首先复制文章标题，然后检查源代码中标题出现的几个地方，找一个每篇文章前后代码都一样的地方。这个例子有三个地方，第二个地方没有其他干扰码。

点击“添加”，在标签名称中填写“标题”，选择前后截取作为数据提取方式。前后代码分别为“”和“”。如果采集的内容需要作进一步处理（如替换删除编码转换过滤html等），在下方“数据处理”点击添加填写相应规则。

再添加一个标签，标签名为“内容”，按照上述方法填写内容的前后代码片段，需要注意的是，前后代码片段最好不要出现不完整的标签（如：“”，一个完整的标签应该是以“”结束，如果之间的内容在各个内容页有一部分不一样，将不一样的部分用（*）代替即可），否则提取的内容会包含部分不完整的标签。通常正文包含的HTML会比较多，可以添加HTML过滤功能，建议仅保留段落（p）、图片（img）、换行（br）等标签。再添加一个名为“Content”的标签，按照上面的方法填写内容的前后代码片段。需要注意的是，前后的代码片段中最好不要有不完整的标签(例如，“”，一个完整的标签应该以“”结尾)，如果它们之间的内容在每个内容页面中有部分不同，就用(*)替换不同的部分，否则提取的内容会包含一些不完整的标签。通常正文包含的HTML比较多，可以添加HTML过滤功能。建议只保留段落(P)、图片(img)、换行符(br)等标签。

测试内容收集规则。保存规则后，返回收集内容规则页面。在右侧“规则测试”典型页面的文本框中填写一个内容页面的地址，然后点击测试。如果下面显示的内容符合预期的描述，就可以了。如果未获得内容或内容不正确，请返回检查并修改规则。开始收集选择要收集的任务规则，选中“收集网站”和“收集内容”复选框，然后单击工具栏中的“开始”按钮。

后续工作收集的数据保存在数据库中。可以右键单击任务名称，选择“打开数据下的任务文件夹”打开数据库的位置，ACCESS可以打开并编辑该位置。如果要重新采集，需要右键选择“清除空该任务URL”和“清除空该任务所有采集的数据”。

3.机车收款如何设置收款网站规则？

“我收集一个网页的地址，开头找一层，结尾找一层，这样不行。如果没有数字网址，怎么收藏！比如某个网址是list_50.html图片就在上面。”

-

在某些网站中，列表翻页参数的第一个参数无效，使用数值变化无法访问列表页面的第一页。

不知道机车上怎么解决这个问题。熊猫收藏可以忽略这个问题。你只需要鼠标在列表页面中选择下一页的链接，就可以翻页访问了。因为熊猫用的是机器训练的习得和设定法。用户不需要手动设置这些。

在少数没有下一页的列表页面中，这种情况可以通过参数列表来解决。你可以在火车收集器里找找看有没有“参数表”翻页的方法。

在一些采集软件中，可以直接同时输入多个列表页面地址。这样就不需要设置翻页参数，也很简单。熊猫不支持这种方法。不知道火车收藏家有没有。如果是，可以直接输入多个列表页地址，用换行符隔开即可。

4.机车采集规则，如果列表页面中有多个参数，如何设置启动？

试了一下，机车确实不行，因为它初始URL的参数只有一个*，描述不了两个动态数据。

我们换个角度想想。为什么不把这些网站变成一级网站，让机车通过收藏来收藏呢？比如//i.html？_ pgn = 2 & amp_ skc = 50 & ampRt=nc将此设置为起始URL(0级URL)，则您正在设置集合URL的1级URL。还有//i.html？_ pgn = 2 & amp_ skc = 50 & ampRt=nc这个页面肯定会有下一页，所以下一页的网址应该是://i.html？_ pgn = 3 & amp_ skc = 100 & ampRt=nc，这个页面下一页的URL是//i.html？_ pgn = 4 & amp_ skc = 150 & ampRt=nc，以此类推，一层一层的收集，最后会收集到你想要的URL。那么你可能会问怎么只有一个起始网址，怎么会有那么多的“下一页”被收藏呢？这是可以通过分页的效果来实现的，因为你设置分页后，机车会自动跳转到下一个页面来收藏，分页功能会将一个起始URL扩展到N个起始URL！

以上说明了如何编写机车集合规则(机车集合规则教程)。这篇文章分享到这里，希望对大家有所帮助。如果信息有误，请联系边肖进行更正。

标签： 火车头采集 采集规则编写 采集器使用 飞猪机车采集