火车头采集器使用教程–分析目标网站要采集内容的位置及规则
火车头采集器使用教程–分析目标网站要采集内容的位置及规则
教程总目录：火车头采集器使用教程
我们首先打开一篇文章，看看他的基本结构：标题和内容起始，以及是否有重复。
从下图可以看到有标题重复，以及我们不需要的内容（他的广告）
我们查看网页的源代码，CTRL+U
先搜索标题，看看标题都在哪些位置
可以看到有三个位置都是标题，看到这三个位置，分析下前后的内容。最终我选择了第三个作为采集标题的位置。
因为前后和其他文章更不容易出现不同的情况。避免出现个别文章采集标题为空的情况。
我们打开火车头采集器
将
我们可以复制文章链接，在火车头里先测试下标题才是是否正确。
在下面有填测试连接的位置
我们看到标题采集没问题
下面开始找内容的采集规则
在文章页面源代码里我们搜索内容前面几个字，发现有两个位置，一个是顶部的页面描述，一个是真正的正文开始位置。当然用下面这个啦
下面这个正文开始前的是他网站的广告，我们要在广告后面选取位置开始采集
记得那句话，火车头会从你选取的位置，采集下来里面所有的字符！所以位置要选对！
我们选择最为采集起始位置，这个正好也是实际正文内容的起始位置，并且知识兔在源码里搜索不到第二处！
将填入火车头正文采集规则的开头字符串
然后知识兔是正文结束的位置
正文在这里结束，因为结束正好是一段代码，所以看着可能比较乱。
请注意，搜索内容时，空格不要带，在源码里空格是其他的字符串，会出现搜索不到的情况。
我们就选择正文结束后的作为火车头采集结尾字符串
这个字符串在源码里没有其他重复位置，并且知识兔是正文DIV结束后的第一个内容！
下面我们测试一下内容的采集，看看效果
然后知识兔会发现内容里有很多多余的字符样式之类。
查看内容可以点击内容后面的那个三个点，就可以出来个窗口查看了
我们需要对内容进行一下过滤
过滤掉不需要的字符
就是这个html标签过滤
我们过滤掉：链接a标签、图像img标签、字体font标签、脚本script标签、层DIV标签、Span标签
具体需要过滤哪些，知识兔根据你采集的文章来决定，每个网站他发文习惯都不一样。
这里我过滤掉图片，并且知识兔没有做文件下载（图片下载）是因为图片下载，需要单独开一篇文章来写。
我们在测试一下看看采集内容的效果
可以看到还是有字体相关的标签存在，但是他是以 到这里文章标题和正文内容的采集规则就结束了。后续内容请查看教程总目录 现在晚上12点了，停一下明天我再继续写。
下载仅供下载体验和测试学习，不得商用和正当使用。
[ppwp passwords=”zhishitu.cn”]
下载体验
应版权要求，禁止分享，敬请谅解，有问题务必找客服哈。
有问题找客服哈，并领取学习福利！
[/ppwp]
