通過采集網(wǎng)頁抓取工具火車采集器官網(wǎng)的faq為例來說明采集器采集的原理和過程。
本例以 http://faq.locoy.com/qc-12.html 演示地址，以火車采集器V9為工具進行示例說明。
（1）新建個采集規(guī)則
選擇一個分組上右擊，選擇“新建任務(wù)”，如下圖：
分析網(wǎng)址變量規(guī)律（2）添加起始網(wǎng)址
在這里我們需要采集 5頁數(shù)據(jù)。
第一頁地址：http://faq.locoy.com/qc-12.html?p=1
第二頁地址：http://faq.locoy.com/qc-12.html?p=2
第三頁地址：http://faq.locoy.com/qc-12.html?p=3
由此我們可以推算出p=后的數(shù)字就是分頁的意思，我們用[地址參數(shù)]表示：
所以設(shè)置如下:
數(shù)字變化：從1開始，即第一頁；每次遞增1，即每次分頁的變化規(guī)律數(shù)字； 共5項，即一共采集5頁。地址格式：把變化的分頁數(shù)字用[地址參數(shù)]表示。
預(yù)覽：采集器會按照上面設(shè)置的生成一部分網(wǎng)址，讓你來判讀添加的是否正確。
然后確定即可
（3）[常規(guī)模式]獲取內(nèi)容網(wǎng)址
常規(guī)模式：該模式默認抓取一級地址，即從起始頁源代碼中獲取到內(nèi)容頁A鏈接。
在這里給大家演示用 自動獲取地址鏈接 +設(shè)置區(qū)域 的 方式來獲取。
查看頁面源代碼找到文章地址所在的區(qū)域：
注：更詳細的分析說明可以參考本手冊：設(shè)置如下：
操作指南 > 軟件操作 > 網(wǎng)址采集規(guī)則 > 獲取內(nèi)容網(wǎng)址
點擊網(wǎng)址采集測試，看看測試效果
（3）內(nèi)容采集網(wǎng)址以 http://faq.locoy.com/q-1184.html 為例講解標(biāo)簽采集
注：更詳細的分析說明可以下載參考官網(wǎng)的用戶手冊。
操作指南 > 軟件操作 > 內(nèi)容采集規(guī)則 > 標(biāo)簽編輯
我們首先查看它的頁面源代碼，找到我們“標(biāo)題”所在位置的代碼：
<title>導(dǎo)入Excle是跳出對話框~打開Excle出錯 - 火車采集器幫助中心</title>
分析得出： 開頭字符串為：<title>
結(jié)尾字符串為：</title>
數(shù)據(jù)處理——內(nèi)容替換/排除：需要把- 火車采集器幫助中心 給替換為空
分析得出： 開頭字符串為：<div id="cmsContent">內(nèi)容標(biāo)簽的設(shè)置原理也是類似的，找到內(nèi)容所在源碼中的位置
結(jié)尾字符串為：</div>
數(shù)據(jù)處理——HTML標(biāo)簽排除：把不需要的A鏈接等過濾
再設(shè)置個“來源”字段
這樣一個簡單的文章采集規(guī)則就做好了，使用通用的網(wǎng)頁抓取工具火車采集器并按照這個示例的步驟就可以進行其它類型數(shù)據(jù)采集的擴展啦。
