火车采集 | 火车采集器破解版

火车采集器怎么编辑标签 火车采集器标签编辑教程

标签编辑

对数据内容标签进行编辑定义，数据的获取方式有

A).从源码中获取数据

B).生成固定格式的数据

C).已有标签组合

A).从源码中获取数据：可精确地设置标签的来源是从默认页的源码、返回头信息和网页地址中，

或者是分页、循环分块、多页中。

其数据提取方式包括：

A.a).前后截取

A.b).正则提取

A.c).正文提取

A.d).Xpath提取

A.e).JSON提取

B).生成固定格式的数据：可生成固定的字符串、系统时间、随机字符串、随机数字、系统时间戳、随机抽取信息

C).已有标签组合：可通过组合已有的标签，来生成新的标签内容

A.a).前后截取

通过设置开始字符串和结束字符串，来获取中间的字符，可以在开始和结束字符串中设置通配符（*）

A.b).正则提取

支持两种正则，一个纯正则，一个参数正则。

先介绍纯正则，举个例子，

如：前字符串(?content[sS]*?)后字符串，这个正则其实效果跟前后截取一样，

如需要获取全部代码，则为^(?content[sS]*?)$，此功能运用需有一定的正则基础。

关于参数正则，是通过参数组合，来生成内容。

比如说要匹配标题为“新用户注册”和作者“神秘嘉宾”，代码如下：

divclass=content

h2新用户注册h2

火车采集器关联多页采集设置

关联多页

当采集的信息不在当前默认页，而在当前默认页某一个链接的所在页时，此时就要用到多页管理了，

多页管理界面如下：

来获取获取它的公司介绍和联系方式页面的联系方式信息。

公司介绍在网址里获取，而联系方式信息在网址里获取。所以我们需要借助多页功能来实现。

前者叫默认页地址，后者叫做多页地址。

流程：点击①创建多页，进行②多页设置，然后在数据来源③选择多页调用，最后根据多页源代码设置提取方式。

下面重点讲解②，多页地址获取方式：

a.页面地址替换

b.源码中截取

a.页面地址替换：也就是默认页和多页地址有相同的地方，通过简单的替换就可以变成多页地址。

b.源码中截取：也就是多页的地址在默认页的页面源代码里面。

下面就上述网址来说明下这两种方式如何获取多页。

a.页面地址替换

比较默认页“;和多页地址：“;之间的共同点，默认页“credITdetail.htm”替换为“contactinfo.htm”就是我们的多页地址了。

设置如下图：

正则表达式中（。*）为任意通配符。

$1,$2…$数字来按照顺序对应上面（。*）表示的部分。

若要对多页源码部分区域做限定，可在指定多页源码区域设置。

若留空则默认返回多页整个源代码。

设置好以后，点击测试查看结果。

b.源码中截取

可以看到默认页源码中有多页地址

所以设置如下：

保存即可。

最后设置数据来源和提取方式，如图：

注：如需要多级多页，则在多页地址获取方式：选择需要的多页即可

火车采集器怎么采集json里面的数据

private void button1_Click(object sender, System.EventArgs e)
public override void Display(int depth)
{
Console.WriteLine(new string(-, depth) + name);
foreach (Component component in children)
{
component.Display(depth + 2);
}
}