有時候我們看到一個網(wǎng)站的文章，想要把這些文章保存下來，一篇一篇的復制保存很麻煩，這個時候就需要用到火車頭采集器把文章采集下來保存了。下面介紹一下如何用火車頭采集器采集文章。

QQ寵物經(jīng)典360問補充(累積更新)

• 類型：QQ技巧
• 大?。?/span>
• 語言：
• 時間：2009-04-27

查看詳情

第一步采集網(wǎng)址，下載好火車頭采集器后打開，新建一個任務，任務名隨意。把需要采集的網(wǎng)站文章列表頁網(wǎng)址添加到起始網(wǎng)址。從圖中看出該列表頁有34頁，每頁有N篇文章。

列表頁會一級網(wǎng)址，添加多級網(wǎng)址獲取，從而獲取二級網(wǎng)址（文章頁網(wǎng)址）

設置列表分頁獲取，3個地方分別是：分頁源代碼前面和后面還有中間位置。這一步用于獲取列表頁面鏈接，因為有34個列表頁面。設置完保存。

網(wǎng)址獲取選項，這一步用于獲取列表頁上面文章頁的鏈接，根據(jù)自己需要設置需要截取的部分和根據(jù)網(wǎng)址的結(jié)構(gòu)設置包含與不包含某些字符。為空即沒限制，設置完保存。

設置好鏈接采集規(guī)則后，可以測試網(wǎng)址，看測試結(jié)果調(diào)整規(guī)則?？磮D可以看到采集鏈接規(guī)則從起始鏈接到全面列表頁再到列表頁上的文章頁鏈接都已經(jīng)成功采集。

第二步是采集內(nèi)容，首先修改標題規(guī)則，在頁面源代碼里面找到標題的代碼，把標題前后代碼負責過去截取出標題。保存。

修改內(nèi)容采集規(guī)則，跟標題規(guī)則差不多，也是源代碼里面找到內(nèi)容的前后代碼。這里內(nèi)容會有一些其他html標簽，所以得添加一個html標簽排除的規(guī)則。

完成后，測試看一下結(jié)果，從測試結(jié)果來調(diào)試規(guī)則，直到測試結(jié)果是自己想要的內(nèi)容為止。

第三步是采集導出。前面1、2兩步把規(guī)則設置好，最后就要把文章導出了。先做一個導出的模版。

然后選擇方式二,把每一篇文章都分別記錄到一個txt文本,保存位置自己選擇,模板選擇剛剛做好的導出模版.保存的文件名用文章標題為命名。其他默認，保存。

把采集網(wǎng)址，采集內(nèi)容，發(fā)布3個選項框都勾選，然后開始采集。完成后文本就自動生成在剛剛保存的文件夾里面了。

火車頭采集器采集文章教程到此就完成了，由于每個網(wǎng)站都是不一樣的，所以這里只能用一個網(wǎng)站演示，只是一個方法思路，自己采集文章還需要靈活變通。

最新評論