乖乖熊采集器v1.0

软件简介

乖乖熊采集器是一个简单的采集器，实现了单任务多线程操作。对于大多数用户来说，并不需要很复杂的功能，本工具就是方便各位对程序不是很熟悉的朋友使用。采集提取组件用了overred写的OverredGatherCom，这个组件有个好处，采集内容时用户不用写复杂的正则表达式，除了采集连接时候需要设置正则。由于采集到的数据都没有直接入数据库，所以采集连接最好在3万以内，更新的版本会考虑是否同步写入文件或者数据库。目前版本只支持数据导出到ACCESS。
安装环境: winxp/win2003/vista
Microsoft .NET Framework 2.0 微软下载  华军下载

使用步骤

1.采集任务
这里可以先添加一个任务，包含名称和域名。//当然这步也可以省略，这里目的只是为了方便保存采集规则。

2.链接采集器
如果你执行了第一步，那么这里就可以选择任务了，任务中保留有采集规则，就可以选择是否载入。


采集链接分为两种，一是只采集一页里面的，反之采集多页的。
填写好WebUrl，您可以先测试采集本页连接，检测你写的采集链接规则是否正确。
注意 [链接规则]必须写正则表达式 例如：Article/(\d{1,20}).htm //括号里面的你实在不懂写就这样吧(.*?)不过也许会找到很多你不想要的效率也会差点。您也可以参考 常用正则表达式总结 。
批量规则嘛，类似网际快车那样 例如: http://www.xxxxxxxxxx.com/sort2_(*).html *就要看一下采集的大概是从多少到多少了。
其余的功能可以一个个测试一下，应该不会黑屏。
执行动作：蓝色字体按钮。
3.内容采集器
比较关键的一步了，如果你设置错了，可能采集到一些垃圾，呵呵。
这里就要写内容采集规则了，一般来说标题就是 <title>开头</title>结束了，如果你采集的网站制作者是个新手，标题都懒得写那也没办法了，只能再看看文章标题前后规则。
内容规则前面说好了不用写正则，所以你甚至可以这样写
开头 <script type='text/javascript' src="/Ad_Js/Article/Ad1.js
结尾 </div><script src="/ad/sss.js
内容包含规则是什么意思？ 假设： 开头 <div id="content" 结尾 xxx</div>, 如果不包含规则，那么在页面显示的时候页面肯定乱了。
采集完后有个 [保存到数据库] 不建议使用，因为是保存到跟任务表同一个数据库，如果数据太多，可能造成软件反映慢。
执行动作：蓝色字体按钮。
4.分类设置
一看就懂了，不看也关系，可以忽略。
5.采集成果
同上。
6.数据导出
这里你可以把 内容采集器 里面的数据导出来，目前只支持ACCESS数据库，主要有3个字段，分别为：标题，内容，分类ID。
只要连接地址正确，应该不会有什么问题了。往后版本再加其他常用数据库的支持。
7.软件更新讨论
QQ群：7744200 加入请写GGX
软件下载地址：
http://v.vr178.com/etao8studio/download/ggx1.0.rar
http://www.etao8.cn/etao8studio/download/ggx1.0.rar

其他补充

感谢overred的组件，个人感觉这位大哥是个高手，嘿嘿，也不知是大哥还是小哥啦，总之经验丰富吧。下面是他的信息，还有他的采集兔。
MSN:overred2005@163.com
My blog:http://www.taheta.org
博客园的博客地址
采集兔（功能强大呀）


软件发布网站
海上软件园


作者联系QQ:546006961 电子邮箱:546006961@qq.com 粤ICP备06051060号