快速收集和发布网上信息的程序如何简单易用？

　　快速收集和发布网上信息的程序如何简单易用？

　　网站 采集器：一种可以快速采集和发布在线信息的程序。它通常分为两个功能：信息采集和处理功能以及信息发布功能。

　　作为一个可以快速增加网站内容的程序，采集器一直是大多数单个网站管理员所重视的。一方面，我们尽最大努力阻止其他人采集拥有网站，另一方面，我们也想使用采集器 采集通过使用其他人的网站。我们无法知道何时创建采集器。目前，中国所有主要的文章管理系统都集成了采集和反采集功能，甚至中国的一些主要网站都或多或少地使用了较少的信息采集，这表明人们在对采集充满热情。毕竟，使用采集可以节省时间和精力。现在有许多采集产品，每种产品都有自己的优势。但是很长一段时间，无论哪种采集器程序，无论程序多么简单易用，开发人员都会说，采集器程序对于大多数普通用户仍然很难使用。因此，让我谈谈采集器的工作原理，希望它会在使用采集器的过程中对您有所帮助。

　　实际上，采集器的基本工作原理和过程非常简单，简单的划分是：

　　获取数据。

　　根据不同的采集器类型和开发语言，获得它们的方式有所不同。但是他们都通过访问采集网站来提取采集网站的相应信息。 采集程序读取采集规则中的信息，以确定如何访问采集 网站，采集 网站中的地址，哪些地址有效，哪些内容是采集的内容，如何提取有用的信息等，都是采集规则指定的。

　　我们以旧的BFC 采集器为例（免费版本具有更*敏*感*词*，并且发布的内容中没有广告）。 采集规则首先需要指定采集内容列表的地址，即“列表URL”，此列表页面收录您想要的采集内容链接，例如，让采集查看BFC官方论坛的“ BFC 采集器应用程序交换”部分中的内容。链接地址是：。

　　我们可以将列表URL设置为此地址。现在列表地址可用，但是我们只想在采集中拦截此页面特定区域中的内容。我们应该做什么？这需要设置“列表范围”“，这里需要使用“列表开始字符串”和“列表结束字符串”。顾名思义，列表开始字符串是页面代码中所需内容的起始位置，并且列表结尾字符串就是您所需要的内容在哪里结束？

　　这是所有采集程序中最不可理解的部分，也是规则设置的难点。实际上，只要您愿意仔细检查列表页面的代码，这是很容易做到的。只要每个人都记住以下基本原则，在制定规则时，您就不会被开头和结尾字符串所困扰：

　　起始字符串标准：在页面的html代码中，所需内容在它之前只有一个出现（如果出现多次，则以第一次出现的位置为准）。

　　结尾字符串标准：在页面html代码中，在起始字符串之后只有一个并且只有一个出现（例如，多次出现，以第一个出现的位置为准）。请记住，这是在起始字符串之后。

　　开始字符串和结束字符串成对出现，采集器将拦截它们之间的内容作为有效内容。它们不一定是代码中唯一的代码，但是每对之间必须是您所需要的（采集论坛帖子很有用）。经常使用Ctrl + F，您会找到合适的标准。

　　关于开始字符串和结束字符串的另一种解释：

　　起始字符串：

　　在从采集到有效文本信息之前的字符串的代码中，该字符串必须满足以下条件：在有效信息之前的内容中，它是唯一的。 （如果不是唯一的，则以第一次出现的位置为准）在有效信息之前，内容中必须有一个或多个起始字符串（程序将以第一次出现的字符串的位置为准） ），否则内容将无法提取。

　　结束字符串：

　　在从采集到有效文本信息之后的字符串的代码中，此字符串必须满足以下条件：从有效信息的起始字符串到末尾，该字符串不得收录在内容中。有效信息后的内容中必须有一个或多个结尾字符串（程序将从开始的字符串开始，出现在字符串首次出现的位置），否则内容将无法提取。一些网友想到了更好的设置方法。您可以使用可视页面设计工具（例如DW）来提取关键字。有关具体操作，请参见以下地址：

　　如果要很好地使用采集器，则必须弄清楚如何设置开始字符串和结束字符串。这是所有采集程序的基础。无法使用现有的计算机功能。您知道需要什么，而不仅仅是软件问题。

　　好的，我们不要谈论其他事情。既然已经设置了开始和结束字符串信息，就已经确定了列表的有效范围，并且采集程序将自动提取该区域中存在的链接。

　　如果此区域中不需要链接内容，则还可以使用更详细的链接过滤功能。 BFC 采集器提供基于URL内容的过滤，并且您可以将URL设置为必须收录的内容或必须不收录的内容。也就是说，BFC规则管理器中的URL收录和URL排除。

　　其他采集器基本上也提供类似的功能，并且灵活使用它们可以达到相同的目的。

　　关于列表分页：大多数采集器提供相对完整的列表分页设置功能。对于此功能，使用最广泛的是常规分页类型，类似于以下分页方法：

　　thread.php？fid = 2＆search =＆page = 1

　　thread.php？fid = 2＆search =＆page = 2

　　thread.php？fid = 2＆search =＆page = 3

　　thread.php？fid = 2＆search =＆page = 4

　　thread.php？fid = 2＆search =＆page = 5

　　如果遇到这样的分页，则很容易进行设置。对于BFC 采集器，可以使用批处理指定的方法，并将URL字符串设置为thread.php？fid = 2＆search =＆page = {page}。

　　{page}的范围设置为1到5（请填写尽可能多的页面）。

　　{page}：它是BFC 采集器的分页变量，可以在指定范围内自动递增或递减。

　　设置分页的另一种方法有些笨拙但很简单。它是手动添加功能。选择此选项后，您只需要填写所需的列表地址采集，每行一个，只要有时间就可以填写多少。

　　还有一个分页设置，用于设置下一页链接代码的开始和结束代码。程序将根据设置的链接信息自动在当前页面中找到下一页链接。此设置比较麻烦。但是效果确实不错。

　　以上是设置信息分页的三种方法。至于采集程序的工作原理和与众不同，我们不需要太在意。这三种方法的设置也适用于内容分页的设置。

　　现在我们有了一个需要采集的地址列表，以下是设置采集的内容。

　　内容提取设置：

　　在另一方网站中，我们通常需要的是文章标题和文章内容。在采集流程中，采集器会将文章内容的HTML代码放入采集地址列表中下载到本地，并根据规则中设置的相应信息提取文章的相关内容

　　让我们先谈谈标题提取。 采集器的数据处理模块将根据“标题开始字符串”和“标题结束字符串”截取当前文章代码中的信息作为标题。这里的“标题开始字符串”和“标题结束字符串”的设置原理与前面提到的截取列表范围的原理相同。