火車頭采集器菜鳥使用手冊

1、.火車頭 采集教程火車頭采集器使用說明下載地址：下載地址： 我們下載免費版。注意：想用火車，就必須得安裝.NET FrameWork 2.0框架或更高版本.net framework 2.0下載地址: 那么，火車我們也下載到本地了，。net框架，我們也安裝了。那么，我們把新下載的火車采集軟件，解壓下?？吹揭恍┟苊苈槁閬y七八糟的東西及文件。那么。上圖中，用紅線圈住的LocoySpider.exe 是主程序，我們雙擊打開。ps：這里說下，上圖中，有好多任務(wù)是我自己用的。新程序，并沒有那么多。我們會看到火車的界面，看起來非常復(fù)雜，是吧？ 呵呵，其實并沒有那么復(fù)雜，對于新手，有好多東西是用不到的。下邊

2、會一一的講解。我們先補習(xí)一下，火車頭采集軟件的工作原理。因為我們?yōu)g覽到的網(wǎng)頁，最后都是通過html輸出的，那么意味著，我們可以查看到html的源碼，那么火車頭為什么會采集到內(nèi)容呢？我們看下網(wǎng)站的基本結(jié)構(gòu)。 -這些藍色的東西，對于新手，我們不需要知道！網(wǎng)頁的標(biāo)題 -紅色的是網(wǎng)頁的標(biāo)題。如下圖（1）內(nèi)容 在這個和之間的，是網(wǎng)站的內(nèi)容部分。如下圖（2） -這里是網(wǎng)站的結(jié)尾。如果想查看一個網(wǎng)頁的html源文件，之需要點擊瀏覽器上的 查看，源文件即可。（1）（2）那么，我們知道了一個網(wǎng)頁最基本的架構(gòu)，那么就好理解火車采集的基本原理了火車采集軟件是怎么采集的呢？我們配置好火車頭采集規(guī)則，什么叫采集規(guī)則？就

3、是我們查看網(wǎng)頁的源文件，看看整個網(wǎng)頁的源碼，內(nèi)容部分的開始標(biāo)簽，和結(jié)束標(biāo)簽，這樣火車才能知道，我們要采集這個頁面的哪個部分，比如下邊我們演示的。網(wǎng)頁的標(biāo)題內(nèi)容我們想要采集“內(nèi)容”那么就要告訴火車采集器，內(nèi)容開始標(biāo)簽是，結(jié)束標(biāo)簽就是明白了么？呃。估計是我的表達能力不夠好。so。我們看下邊的實例，在好好鞏固下就OK。OK。那么我們開始一步一步教大家設(shè)置采集規(guī)則。首先第一個。我們的目標(biāo)站。discuz！x1.5架構(gòu)的網(wǎng)站。我們要把這個版塊的內(nèi)容以及回復(fù)都采集到我們的網(wǎng)站上去。首先我們打開火車，新建一個站點。點擊火車左上角上的新建按鈕，選擇新建站點。如下圖我們只需要填寫站點名就可以，其余的保持默認(rèn)，然

4、后點擊保存按鈕！然后。在這個站點下，新建一個任務(wù)。選中我們新建的站點，點擊鼠標(biāo)右鍵，選擇第一個，從該站點新建任務(wù)。如下圖其中1，是任務(wù)的名字，必須填寫。2，是整個采集任務(wù)的步驟向?qū)В?，是文章列表的設(shè)置區(qū)域（下邊講解），4，和3差不多。5，是登錄的地方，有些網(wǎng)址必須登錄，我們才可以看到內(nèi)容，就是這個東西！OK。就這些，那么，我們一步一步的來！首先我們給我們的任務(wù)加一個標(biāo)題。下一步，我們就開始設(shè)置列表的采集規(guī)則（因為現(xiàn)在火車不知道 這個頁面的文章列表是那些，所以我們要告訴火車?。┻@里有兩種方式，新手嘛，我也不知道適合哪種。我們就用默認(rèn)的吧，第一種我們點擊向?qū)砑尤缓蟪霈F(xiàn)下圖。其中有4個選項卡，如

5、果我們只采集目標(biāo)站點的一個文章列表然后點擊添加，點擊完成就OK。那么，如果我們要采集多個列表。那么我們回到 看下邊的圖其中1，是目標(biāo)網(wǎng)站的地址其中2，是火車的通配符（就是某個東西識別的東西）其中3，是間隔數(shù)已經(jīng)補零（下邊一一講解）其中4，數(shù)字變化。下邊講解其中5，字母變化。那么?？聪聢D圖中在地址欄填寫的是 這個。那么，這是什么意思呢？ 我們打開 這個地址，然后點擊下一頁發(fā)現(xiàn)地址變成了 那么我們在點擊下一頁，就是第三頁，發(fā)現(xiàn)地址變成了 那么在點擊第四頁。想必大家也知道變成什么了吧？ 那么第一頁：第二頁：第三頁：翻頁中，我們發(fā)現(xiàn)，只有1在變化。那么我們在火車那里就填寫 這個，其中1用火車的通配符(

6、*)替換掉。意思就是，只有1在變化。在看下邊其中數(shù)字變化，從1到5.意思就是 從地址欄 1到5，就是下邊這樣的。明白了么？其實很簡單。那么字母變化，就是 。因為我們目標(biāo)地址是數(shù)字變化。我們繼續(xù)看下邊間隔倍數(shù)，和補零。間隔倍數(shù)1是什么意思？40又是什么意思呢？間隔倍數(shù)1就是。間隔倍數(shù)40就是。明白了么？那么我們在看補零，補零就是。就是這樣。其實很好理解。OK。我們繼續(xù)。我們填寫完成后，點擊添加 - 完成。如下圖到這里，我們的地址就添加完成了。那么下邊，我們來設(shè)置區(qū)域列表。我們先設(shè)置第一個?！拔恼聝?nèi)容頁面地址必須包含。不得包含?！蔽覀冸S便點開 這個網(wǎng)址中的兩篇文章，看下URL。就是文章地址。發(fā)現(xiàn)以

7、上兩個地址。那么他們其中只有 紅色部分在變動。那么，文章內(nèi)容必須包含。我們寫 這樣就可以,那么我們點擊“開始測試網(wǎng)址采集”這個時候，我們點開網(wǎng)站前邊的+號發(fā)現(xiàn)，其實網(wǎng)址已經(jīng)采集成功了。其中的并不需要填寫。這是為什么呢？因為我們采集的頁面 中的文章地址，就是 紅色部分都會變動?；蛘哂锌赡茏儎?。所以我們加上通配符，所以我們不用填寫這個，也可以采集成功。那么，為了讓大家更直白的了解火車，我們還是寫一下。那么我們打開 這個地址，在頁面中，點擊右鍵，選擇“查看源文件”（因為不好截圖。）發(fā)現(xiàn)上邊的東西出現(xiàn)，都是一些猥瑣的html代碼。我們怎么定義文章地址的區(qū)域呢？看下圖我們復(fù)制頁面中的“篩選”然后在頁面源

8、碼中查找下，那么自然，下邊的，就是文章地址的區(qū)域咯。那么我們在這里，填寫什么呢？我們要填寫一個“唯一”的東西。就是這個頁面獨有的一個，并且在文章地址上方的一個代碼。如上圖。我們選擇這段 代碼！然后我們復(fù)制 這段代碼，在我們打開的源文件中，向下查找看，看看有沒有相同的。好消息。沒有相同了。那么我們在填寫 那么這里怎么填寫呢？其實一樣。我們給下看看源碼。我們向上查找下。OK.那么。就填寫.就OK。照著這樣填寫就OK了。其實這一步是多此一舉。只是教大家怎樣填寫罷了。我們隨便選中一條地址，雙擊鼠標(biāo)左鍵。直接跳到第二部，采集內(nèi)容規(guī)則。在這里，我們點擊一下測試按鈕。發(fā)現(xiàn)，標(biāo)題和內(nèi)容都采集到了，但是。在標(biāo)題

9、上，我們把目標(biāo)站點的網(wǎng)站主標(biāo)題也采集過來了。而內(nèi)容。是把整個頁面亂七八糟的東西都采集過來了。那么。我們開始設(shè)置更精確的采集規(guī)則。擦。首先，我們設(shè)置標(biāo)題?，F(xiàn)在默認(rèn)的采集標(biāo)題是 又出來個史上最強大的搜索引擎！ - 無聊扯蛋 - 張家口市姚家房鎮(zhèn)及周邊地方娛樂門戶站 - Powered by Discuz! 我們需要的標(biāo)題是紅色部分。那么。 我們雙擊上圖被圈住的地方。那么我們需要設(shè)置的地方就是那么。我們現(xiàn)在采集到的標(biāo)題是 又出來個史上最強大的搜索引擎！ - 無聊扯蛋 - 張家口市姚家房鎮(zhèn)及周邊地方娛樂門戶站 - Powered by Discuz! 這個，那么，我們只需要把藍色的部分去掉。怎么去掉呢

10、？下圖我們添加然后點擊確定點擊測試發(fā)現(xiàn)又出來個史上最強大的搜索引擎！ - 無聊扯蛋 - 張家口市姚家房鎮(zhèn)及周邊地方娛樂門戶站 - Powered by Discuz! 藍色部分已經(jīng)被去掉。那么我們這里來解釋下。上圖中的開始字符串和結(jié)束字符串是什么呢？我們打開 這個頁面，然后查看下源文件。如下圖?？梢园l(fā)現(xiàn)，在和中就是我們要采集文章的標(biāo)題，只是多了- 無聊扯蛋 - 張家口市姚家房鎮(zhèn)及周邊地方娛樂門戶站 - Powered by Discuz! 這個，那么我們排除就可以了。那為什么在中，要寫成- (*) - 張家口市姚家房鎮(zhèn)及周邊地方娛樂門戶站 - Powered by Discuz!這樣的呢？為什

11、么把 無聊扯蛋換成了(*)呢？因為我們可以看得出- 無聊扯蛋 - 張家口市姚家房鎮(zhèn)及周邊地方娛樂門戶站 - Powered by Discuz! 無聊扯蛋 只是這個網(wǎng)站的一個版塊，如果采集別的版塊，那么 無聊扯蛋，就會變動。到時候我們還得設(shè)置排除標(biāo)簽。索性，我們把它改成通配符(*)，那么在采集別的版塊，就不用設(shè)置了。那么其中的藍色部分，是網(wǎng)站的主標(biāo)題，在一般情況下是不會變動的。所以不用搞成通配符。 那么。標(biāo)題。我們就設(shè)置完成了。下邊來設(shè)置內(nèi)容部分。內(nèi)容部分的采集規(guī)則設(shè)置，其實和列表一樣！我們服飾內(nèi)容，在源文件進行查找。其中選中的部分，就是我們的內(nèi)容部分。那么。我們在源碼中 查找下 這個標(biāo)簽，看

12、看是不是唯一的。 發(fā)現(xiàn)并不是唯一的。而是每個樓層也就是回帖的內(nèi)容都是用 和 括起來的。那么。我們就輸入上圖所示。在圖中的 html標(biāo)簽排除。我們?nèi)x。因為我們之后的發(fā)布，是不支持發(fā)布附件的，也不支持html。所以全部排除。然后確定。我們測試下其中內(nèi)容和內(nèi)容之間，用|分割開了。這是啥意思類？呵呵。這個是循環(huán)匹配。就是。一個樓層與樓層之間的分隔符。就是回復(fù)與回復(fù)之間的分隔符。哎呀。我也說不清楚啦?？傊＿@樣就可以。默認(rèn)，保持不變就OK。那么?，F(xiàn)在，標(biāo)題也設(shè)置OK。內(nèi)容也OK。接下來就是分頁問題。我們在源文件中查找“下一頁”那么圖中被選中的地方，就是下一頁的全部源碼。那么，我們選中下一個的開始標(biāo)簽

13、和結(jié)束標(biāo)簽，對應(yīng)輸入到就可以了。我們在分頁內(nèi)容合并鏈接代碼這里輸入|這個。至于什么意思。就是分頁嘛。我也說不清楚?？偸禽斎刖褪橇?。那么。到這里，網(wǎng)址采集部分，和內(nèi)容采集部分已經(jīng)設(shè)置完畢了。下邊，我們要講，發(fā)布?，F(xiàn)在開始講解 火車頭的發(fā)布。因為我們需要發(fā)布到 我們的 discuz！x1.5的程序上。那么，首先我們需要兩個東西1.火車頭的dz1.5的發(fā)布模塊 （塵緣免費版）2.免登錄接口 （塵緣免費版）那么。下載地址。如果下載地址失效。請加我QQ 索取 782711659下載后，解壓。首先呢。我們需要配置接口。我們進入接口文件夾。并且進入對應(yīng)編碼的文件夾發(fā)現(xiàn)有兩個php文件。 其中的 Locoy.

14、php是程序主文件，可以改名，Locoy.config.php是配置文件，不能改名。那么我們先把Locoy.php的名字改掉。我們改成 woca.php然后我們打開locoy.config.php 這個文件其中1，是發(fā)帖的用戶，2，是回帖的用戶。這里我們可以填寫自己的。記得用|分開。這里說下，我們填寫的用戶名，可以是網(wǎng)站沒有注冊的，也可以是注冊過的。如果沒有注冊的，它會自動注冊。剩下其他的配置參數(shù)，可以根據(jù)自己的需要更改，都有注釋，這里就不一一解釋了。更改完成后，我們把這兩個文件上傳到我們空間的根目錄。OK。接口文件我們已經(jīng)處理完畢。那么。我們開始處理發(fā)布模塊。進入火車。我們導(dǎo)入圈中的模塊。因為我已經(jīng)導(dǎo)入過了。所以這里不用。在圖中圈住的地方。我們要修改成我們自己改的名字。如圖。記得在刷新列表那里也要修改。OK。模塊基本完成了。還有一點。如果我們的版塊開啟了主題分類，那么我們還需要修改下模塊。比如我們要給維修知識里邊發(fā)。那么。發(fā)現(xiàn)主題分類的typei=1 那么我們在發(fā)布模塊中填寫。明白了唄？ 呵呵。就這樣我們的發(fā)布模塊就配置完成了。 我們保存。給它加一個名字。然后我們關(guān)閉當(dāng)前的模塊。我們選中我們剛才修改過并且重命名的模塊