1、11如何使用火車頭采集器火車頭采集器 7.6 免費版，功能有很多限制，但我已使用它實現(xiàn)了采集與發(fā)布(帶圖片、排版)。圖片是通過采集程序下載到本地，放在一個約定好名字的文件夾中，最后人工上傳到服務(wù)器DZ程序運行目錄下的pic目錄下。 下載火車頭采集器 7.6版本LocoySpider_V7.6_Build20120912.Free.zip，解決后可運行。需要.NET 環(huán)境。程序是Discuz!X 2.5 GBK版本。核心工作有兩部分：1、采集，2、 發(fā)布。 本文重點說如何發(fā)布(帶圖片、排版)， 簡單說如何采集。一、新建一個使用UBB格式的Web在線發(fā)布模塊因為采集下來的文章內(nèi)容是HTML格式，如

2、：<p>正文</p>這樣帶有HTML標(biāo)簽的文本。而DZ論壇使用的是UUB格式，如：p正文/p，所以在發(fā)布時要做一個自動轉(zhuǎn)換。下面就是設(shè)置這個自動轉(zhuǎn)換功能。如果你的文章發(fā)布的DZ門戶，就不需要轉(zhuǎn)換為UBB.1、 打開發(fā)布模塊配置：2、 以軟件里自帶的Discuz!X 2.0論壇 為模板進(jìn)行修改。我試過了可以正常住Discuz!X 2.5發(fā)布文章。3、 設(shè)置為：對 標(biāo)簽: 內(nèi)容做 UBB轉(zhuǎn)換，如下圖中的樣子：最后，另存為一個新的“發(fā)布模塊”，起一個新名字，后面要使用。4、在“內(nèi)容發(fā)布參數(shù)”選項卡中修改： 標(biāo)簽: 內(nèi)容 的值可以用使用0 來替代。如下圖：黃色框內(nèi)的標(biāo)簽: 內(nèi)容

3、替換成0 ，如下圖第一部分工作就完成了。二、使用Web在線發(fā)布模塊前面我新建了一個新的Web在線發(fā)布模塊，下面就是使用它。第一步：新一個“發(fā)布”，操作如下圖：注意：請到論壇的后臺修改設(shè)置，要求登錄時不需要輸入驗證碼，才能登錄成功，才能測試成功，記得以后要改回來啊。最后保存時要起個新名字。三、準(zhǔn)備采集這里以火車自帶的采集演示來說明 。鼠標(biāo)右擊“騰訊新聞”“編輯任務(wù)”，打開如下窗口。如下圖設(shè)置，使用前一步 建立 的“發(fā)布模塊”，可以把采集到的內(nèi)容發(fā)布到論壇的某個欄目中。設(shè)置如下圖：下面還有圖：對于采集工作，還有一些重要的設(shè)置，很重要。如果你不是使用火車頭自帶的演示任務(wù)，而是自己新建采集任務(wù)，下面的

4、內(nèi)容就很重要。下面的設(shè)置，是對采集的文章正文進(jìn)行的設(shè)置。“開始字符串”，“結(jié)束字符串”是所有設(shè)置中最重要的內(nèi)容，它用來分析頁面的HTML源碼，找出文章正文的開始點與結(jié)束點。下圖中使用的是火車頭為騰訊準(zhǔn)備默認(rèn)值，不需要修改。 如果你不采集騰訊而采其它網(wǎng)站，這個就要你自己看HTML源碼來人工分析了。采集時，可選擇性的過濾掉一些HTML標(biāo)簽，如<script><iframe>，如果你不知道要去掉哪些，就什么也不用改，使用默認(rèn)值吧。下載的圖片存目錄設(shè)置圖片下載后被保存在：火車頭軟件安裝目錄DataLocoySpider80 文件夾中。為什么叫80，其實叫什么都可以，但為了方便管

5、理，這個騰訊采集任務(wù)編號是80，所以放在80文件夾中。以后是騰訊采集任務(wù)，采集下來圖片都放在這里，方便管理。騰訊采集任務(wù)編號，請再后面一張圖片中查看。客戶通過瀏覽器訪問我論壇的文章里的圖片時，統(tǒng)一訪問服務(wù)器上DZ程序的根目錄下的./pic/目錄，使用相對路徑，pic目錄下面我們再新建一個80目錄， 所以，把火車頭安裝目錄下的DataLocoySpider中的 80 文件夾，COPY到服務(wù)器DZ程序的根目錄下的pic目錄中， 這樣，圖片就存儲在了：服務(wù)器DZ程序的根目錄pic80 目錄同時 文章中的圖片的地址是指向 ./pic/80/xxx.jpg 。文章就可以顯示圖片了。補充：后來經(jīng)過實踐，目錄定為：/data/attachment/pic ，好處是：為了通過程序取文章中的第一張圖片做為文章的“封面”，這個路徑是合適的。四、什么樣的數(shù)據(jù)容易采集請看這個新聞列表： 有文章列表的、URL地址有規(guī)律