有奖活动投票采集工具是怎样的体验？（一）

　　有奖活动投票采集工具是怎样的体验？（一）

　　文章采集内容共包含50多个网站，话不多说，直接上截图由于第一篇文章只针对知乎进行截图，在知乎需要使用链接的地方，请点击该网址。废话不多说，图一表截图如下：图二在图二中，共有78个网站的有奖活动，下面将依次放出每个网站的名称与网址。另外提醒一下，使用过哪个网站，将不再对该网站进行采集，且不能更改采集网址，欢迎各位重复使用。

　　想获取以上有奖活动的，获取方式如下：关注微信公众号glen回复平台，私信回复网址即可获取。20180614更新：现有24个网站有奖活动，后续有16个网站有奖活动，请持续关注微信公众号glen每周五晚上10点更新有奖活动，更多的网站，尽在公众号glen回复平台领取。

　　有奖活动哪里找？算是个经常困扰我的问题。翻遍了谷歌，无论是豆瓣还是知乎，每个网站基本都有开放的公告，但是每个公告都需要点击才可以看到。为此我特地编写了一套简单的有奖活动投票采集工具，用于自己投票时候的。1.选择有奖活动类型比如2018年暑假我选择开源的c2clgbt群体权益计划。2.点击对应网站进入文件夹，随便点击一个即可开始采集一般第一步是分析网站数据，然后将采集到的样本导入到工具。

　　大概就是这么个流程，按理说采得多了，网站自然能看得出来。但是实际情况是，每个网站包含的数据肯定不一样，而且各网站之间又有相互干扰。所以如果仅仅是采用工具导入数据的方式导入样本是要花很长时间的。不过用这套工具可以很直观的看到所有网站的行为习惯，这对于我之后的数据分析大有裨益。h5投票采集工具提供了可视化动态的帮助，方便定位到特定行为。

　　从数据中能看到哪些网站收录的最多，哪些样本收集得最少。至于收集方式，通过以下几种方式：正则表达式去重这个是比较常用的方式。页面会被保存在某个位置的js里面，如果在其它位置或者哪里的js被删除就会导致页面没有收录。需要用list列表来定位或者下载js。将收录作为反向工程投票即可避免页面收录带来的影响，也是一种比较好的方式。

　　关键词对齐有的网站并不想被整体收录，或者某些样本收集得过多。需要先从长尾词收集起来。方式：sansset和其它一些客户端内置函数收集（推荐sansset）根据正常的留言人，将样本归类收集数据。不过我发现浏览器基本都可以获取到，要是会浏览器还有一点好处就是方便使用浏览器一些其它的一些功能比如搜索，手写等。

　　epub&pdf转换支持各种pdf格式，但是是mobi格式的不知道是否收录上一篇说到了mobi转换，收集了html&css，不过有必要说的是，所有网站都支持mobi格式的转换。毕竟做。