1、火車頭采集12021/3/9 1、什么是采集源？、什么是采集源？ 2、認識火車頭采集工具、認識火車頭采集工具 3、火車頭采集工具的使用方法、火車頭采集工具的使用方法 4、數據導出與處理、數據導出與處理22021/3/9一些網站有大量的文章、圖片、郵箱等信息，對我們來說是一種資源，我們可以利用工具將這些資源采集回來，為我們所用。這樣的網站，就是采集源。32021/3/91、采集的目標頁面，不需要登錄即可訪問；2、采集的內容列表頁面url跟隨一定的規(guī)律改變；3、該網站不屏蔽不干擾采集器的工作。42021/3/9火車采集器，是目前使用人數最多的互聯(lián)網數據抓取、處理、分析，挖掘軟件。軟件憑借其靈活 的

2、配置與強大的性能領先國內數據采集類產品。使用火車采集器，你可以建立一個擁有龐大內容的網站。52021/3/9火車采集器如何去抓取數據，取決于您的規(guī)則。要獲取內容頁的內容，首先需要先將這個網頁的網址采下來，這就是采網址。程序按規(guī)則抓取列表頁里的內容頁url。再根據您的采集規(guī)則，將，將標題內容等信息分離開來并保存下來。如果選擇了下載圖片，程序會對采集到的數據進行分析，找出圖片的下載地址并將圖片下載到本地。62021/3/93.1 打開火車頭工具，單擊左側空白處，根據需要新建分組72021/3/93.2 右擊剛才建立好的分組，新建采集任務，并填寫好任務名稱82021/3/93.3 填寫批量采集網址規(guī)

3、則，注意先分析目標列表頁url規(guī)則92021/3/93.4 設置“多級網址獲取”規(guī)則102021/3/93.4 設置“多級網址獲取”規(guī)則，并測試設置好的規(guī)則是否生效112021/3/93.5 校驗設置好的規(guī)則是否生效，如果生效，則返回修改設置；如果得到的結果不正確，也需要返回修改設置（重新分析采集范圍是否正確，一直校驗到是我們需要的結果）122021/3/93.6 返回修改采集的項數，并且記得點擊“添加”和“完成”132021/3/93.7 進入到第二步“采集內容規(guī)則”采集文章的標題采集文章的標題，選中“標題”，點擊左側的修改，選擇“前后截取”，將文章標題的html區(qū)域填寫完整，右側“典型頁面

4、”填寫一條內容頁url，以供隨時測試。142021/3/93.8 采集文章的“摘要”152021/3/93.9 采集文章的“標簽”162021/3/93.10 采集文章的“內容”填寫內容所在區(qū)間的html標簽，添加數據處理，勾選“下載圖片”并填寫文件保存目錄和格式，最后點擊確定。172021/3/93.11 保存設置好的采集任務182021/3/93.12 開始采集任務我們會看到，右側任務運行的狀況，一切正常192021/3/94、數據導出與處理采集到的數據，需要用Accesss軟件才能處理，因此，如果我們的電腦沒有這個軟件，則需要先安裝Access軟件。4.1、安裝Access202021/

5、3/94.2、選中已經采集完成的任務，并右擊出現下拉菜單后，打開Data下任務文件夾，出現第二個截圖以.mdb擴展名的文件。212021/3/94.3、雙擊打開.mdb擴展名的文件，此時由于已經安裝了Access，辦公軟件已經能正確識別.mdb文件，打開結果如下：222021/3/94.4、已經能用Excel打開采集到的文章內容之后，就可以利用Excel對數據進行批量處理，比如批量添加文章的發(fā)布時間、批量替換文字、批量修改圖片路徑等等。比如：在Excel表格里，按Ctrl+F，出現的對話框中選擇“替換”，填寫好需要替換的文字，即可對采集到的內容進行批量替換文字。232021/3/94.1、安裝Access選中Excel表格的