189 8069 5689
1
在硚口等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供网站制作、网站设计 网站设计制作按需定制,公司网站建设,企业网站建设,品牌网站制作,全网营销推广,外贸营销网站建设,硚口网站建设费用合理。
首先讲一讲网站结构，通常网站结构为树形结构，一个网站主要包以下几种页面：首页、栏目页、文章页，其结构如下图。
其次讲一讲火车头采集原理，火车头的运行需要一套规则来指定该如何采集所需数据，即需要编写火车头采集规则，编写采集规则也是新手最头痛的问题。
火车头采集器通常通过网址抓取网站返回的源代码，然后在源代码中提取需要的信息。因此，采集数据需要先采集网址，然后再采集数据。
2
下面开始编写采集规则：
运行LocoyPlatform.exe
3
在左侧“任务列表树”选择一个分组点击右键，选择“新建任务”弹出新建任务对话框。填写任务名，网站编码一般选择自动即可。
添加起始网址
填写“第一步：采集网址规则”这里需要按照网站的树形结构逐级获取下一级结构的网址，直至获取到内容页的网址。先填写起始网址，通常为目标站首页地址。点击“添加”，在单条网址处填上火车头博客的首页地址，然后依次点击“添加” -“完成”。
编写“多级网址获取”规则
这里需要先在起始地址页面找到所有需要采集的栏目页的代码区域，先查看起始页地址的源码，找到如图所示代码区域：
点击右侧“添加”按钮打开“添加多级网址采集规则”，选择“从页面自动分析得到地址链接”单选按钮，在下面“从该选定区域中提取网址”，“从”（左侧）文本框填上栏目地址代码区域开始之前的标志性代码（要保证其在该页的唯一性），“到”右侧文本框填上栏目地址代码区域结束之后的标志性代码，在“结果网址过滤”的“必须包含”和“不得包含”文本框填上相应代码，如果该区域没有多余的链接不需要过滤，可以不填，这里的栏目页网址必须包含“category-”。然后点击“保存”返回。
现在需要获取内容页的地址。先打开栏目页查看源码，查找内容页地址存在的区域及地址规律。按照上一步的方法先填写内容页所在区域的起始和结束标志性代码，然后分析这个区域中包含的链接与我们说需要的内容页地址链接规律，添加过滤代码。这里起始代码为“!--显示--”，结束代码为“div class="page" style="float:right"”过滤代码为必须包含“read-”不得包含“#”。如图：
需要注意的是这里文章比较多会有很多分页，所以需要填写“列表分页获取”规则。通常只需要指定分页代码的区域，如有必要可以填写“组合生成列表页分页”规则。这里的列表分页规则其实代码为“li class="pageNumber"”，结束代码为“title="下一页"”。如果勾选“自动识别分页”的话，会自动提取a标签的href属性，如果不勾选自动识别的话，需要填写组合生成列表页分页”规则。
然后保存返回，可以通过“测试网址采集”来测试规则是否正确，不正确可以返回修改规则，正确的话可以开始编写“第二步采集内容规则”。
编写“第二步采集内容规则”
先打开内容页以及内容页的源码，找到需要提取的信息的前后代码特征。以提取标题和内容为例。首先复制文章标题，然后在源码中查看该标题出现的几处地方，找一处前后代码在每一篇文章都一样的地方，该例共出现了3处，第二处的代码没有其他干扰代码。点击“添加”，标签名填“标题”，提取数据方式选择前后截取，前后代码分别为“h1 class="ContentTitle"strong”和“/strong/h1”。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：“div class="Content-body"” 应该写作“div class="Content-body"”，一个完整的标签应该是以“”开始，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。
测试内容采集规则
保存规则后返回采集内容规则页面，在右侧“规则测试”的典型页面文本框填上一个内容页的地址，然后点击测试，如果下面显示到的内容符合预期说明可以了，如果未获取到内容或者获取到内容不正确，返回检查并修改规则。
开始采集
选择要采集的任务规则，勾选“采网址”和“采内容”复选框，点击工具栏“开始”按钮。
后续工作
采集到的数据保存在数据库，可以通过在任务名上点右键，选择“打开DATA下任务文件夹”打开数据库所在位置，该数据库可以通过ACCESS打开和编辑。如果想要重新采集，需要通过右键选择“清空该任务网址库”和“清空任务所有采集数据”。
火车头采集器火车采集器(LocoySpider) 是一个供各大主流文章系统，论坛系统等使用的多线程内容采集发布程序。使用火车采集器，你可以瞬间建立一个拥有庞大内容的网站。系统支持远程图片下载，图片批量水印，Flash下载,下载文件地址探测，自制作发表的cms模块参数，自定义发表的内容等。此外，丰富的规则制定，内容替换功能，对Access,Mysql,MSsql的数据入库导出的支持，更可令你采集内容的时候得心应手，现在开始你可以抛弃过去重复乏味的手工添加工作了，请马上开始体验瞬间建站的乐趣吧!
火车采集器(LocoySpider)是一款功能强大且易于上手的专业采集软件，强大的内容采集和数据导入功能能将您采集的任何网页数据发布到远程服务器，自定义用户cms系统模块，不管你的网站是什么系统，都有可能使用上火车采集器，系统自带的模块文件支持:风讯文章，动易文章，动网论坛，PHPWIND论坛,Discuz论坛,phpcms文章,phparticle文章,LeadBBS论坛,魔力论坛，Dedecms文章,Xydw文章,惊云文章等的模块文件。更多cms模块请自己参照制作修改，也可到官方网站与大家交流制作。 同时您也可以使用系统的数据导出功能,利用系统内置标签,将采集到的数据对应表的字段导出到本地任何一款Access,MySql,MS SqlServer内。
LocoySpider采用Visual C#编写，可独立在Windows2008下运行（windows2003 自带点虐 1.1框架。最新版的火车采集器是2008版，需要升级到点虐 2.0框架才能使用），如您在Windows2000、Xp等环境下使用，请先到微软官方下载一个点虐 framework2.0或更高环境组件。
前沿：
如果你对火车头一点都不知道，你还是去网上自学一点火车头采集的知识，我也不是什么大师，硬着头皮写的，至少能用，在这里我不会教你如何写采集规则，因为写法种类太多，你问我我也不知道，火车头相关文件夹里提供的发布接口内置了马甲发布文章，并且支持远程图片抓取本地化，和发布文章时间设置（10-70分钟随机）。用户只需关注火车头标题和内容即可，参数值标题（title),内容（content)。
第一步：站点设置里设置下火车头免登录发布接口的全局变量值：
第二步：将发布接口上传覆盖程序根目录：
第三步：登录火车头软件后导入发布模块"
下图更多处下拉--选择导入：
导入后：
上图中，数字1处填写你在网站后台设置的全局变量值。
2 处选择 utf-8 编码。
3 处填写你网站域名，不要带 反斜杠'/'.
4处选择不需要登录
5 处点击获取列表--选择你需要入库的分类
6 随便给当前这个发布模块写个名字，后续采集任务模块会用到。
最后点击保存配置按钮。
---------
下面讲解导入采集任务：
新建任务分组后，在该分组下导入任务规则（导入任务至该分组）：
选择我们的采集任务规则（.ljobx文件）：
下一步：双击规则项
点击第三步：修改发布内容设置
修改下你发布的分类：
最后保存即可：
然后右键开始任务采集：
1、运行火车头软件，点击发布到发布窗口界面;
2、点击添加，依次选择发布接口，选择网站编码、填写后台路径、（因为是免登陆接口）选择不需要登录http请求，然后获取列表看看是否成功，成功后请保持配置。
（注意：如果无法获取列表说明没有配置成功，检测接口文件是否上传，后台路径是否正确等）
3、如果你需要同时发布到多个网站，请重复2操作，原则上可以发布N个。
4、配置完发布接口后回到火车头界面，双击你要发布的采集规则，进入采集规则 编辑任务窗口，切换到第三步：发布内容配置;
5、点击 启用 Web在线发布到网站，然后添加发布配置，在弹出Web发布配置窗口选择你你的发布配置，点击添加，多个网站发布可以多选;
6、双击你添加的网站发布，点击获取列表 绑定你要发布到网站的指定栏目的栏目ID，保存规则，到此你的采集规则发布到网站已经配置好了;
7、如果你要一条采集规则多个网站发布就重复第6步，原则上可以发布N个站。