火车头采集器循环设置
火车头采集器采到了标题没有采到内容是怎么回事?
火车头采集器采到了标题没有采到内容是怎么回事?
可能是你的方法不对,或者是采集的网站有代码限制禁止采集,可以参考下面方法。
进入主窗口,点击“第二步:采集内容规则”,如下图:
创建任务之采集内容规则
这个窗口左侧用来添加或编辑文章页面相关标签的规则,右侧是用来测左侧的内容规则。我们采集文章一般要采集到对方文章的标题、内容、标签这3个,当然,如果你还需要作者等相关信息,也可以添加。这里,我只需要采集到标题、文章内容、标签这3样就可以了。
1、添加或编辑标题:双击左侧的“标题”,
双击后会弹出如下图窗口
然后,我们打开卢松松博客“好友分享”分类的任何一篇文章,查看其源代码页面,源代码中,我们可以看到文章标题在lttitlegt与lt/titlegt,因为我们只想取文章的标题,不想取卢松博客名,所以我们在上图的窗口中右侧中添加的是 -卢松松博客lt/titlegt”,而不是lt/titlegt。
2、添加或编辑内容标签:双击“内容”,
然后在文章源代码页面中找到文章的内容前的唯一标签 ltdd classcongt (如下图),再找到文章内容结束后唯一标签 字符 “ 相关阅读”(因为卢松博客文章后台都有“相关阅读”推荐列表)。然后把它们都添加到上图中的 1 和他2 处
这样我们就可以采集到文章的内容。但是,文章中可能有链接、有框架、DIV…… 如果不想要这些,我们是可以设置的。单击左侧的“添加”——gt“html标签过滤”
应该是相关的开始或结束标签设置错误,或者是设置的标签重复出现。
有没有高效又傻瓜一点的爬虫采集数据工具?
火车采集器可以通过简单的设置来采集网站数据,包括文字、图片、文档等数据,而且能够分析、处理和发布数据。
网址信息抓取规则有:(1)网址采集规则;(2)内容采集规则;(3)内容发布规则。
火车采集器简单、易用,目前有十多万用户使用。
目前火车有一款工具触控精灵,主要用于安卓app信息的抓取。