解决方案:免费采集器的工作原理基本上就是，你去网站抓包，抓到对应的源代码

　　解决方案:免费采集器的工作原理基本上就是，你去网站抓包，抓到对应的源代码

　　免费采集器的工作原理基本上就是，你去网站抓包，抓到对应的源代码，再根据程序里预设的逻辑用程序编写的样式把那些文字框，元素之类的放在页面上。好一点的做法是，程序先把所有源代码全部下载到本地电脑，再用百度去抓取，匹配的时候会自动去除多余的换行符，不然有可能会抓到冗余的文字。然后再把匹配出来的文字转换成意思相近的文字。

　　主要是上传图片的时候，无法保证正确的上传顺序，导致无法判断到底哪个图片是哪个。详细做法是先构建索引再上传图片，这样错一张图片所有索引都将丢失。再加上百度抓取的时候图片的格式是网页编码方式，程序需要先转换一下，才能识别是gif还是jpg或者是png。

　　-spy-baidu-formidx里是参数值

　　我一直不明白的是：网站拿到源代码之后转换成pdf格式之后，图片我要是一张张地转化真的很麻烦的，无奈百度就是一搞flash就自动帮我做了，结果pdf要是网页文件里的图片文件比较大，百度就会这样搜，把图片全都抓下来，要是有人说flash没有抓到的，我就好吧，

　　曾经同样遇到过同样的问题，刚好有好几个问题在里面：比如登录之后，站内查询显示成图片，但是登录失败，打开我的知乎主页显示是pdf；自动上传的swf时间是24小时，