软文采集系统(软文采集系统的初级程序员实用geohash的思路！！)

　　软文采集系统(软文采集系统的初级程序员实用geohash的思路！！)

　　软文采集系统我看有些人写的文章，很是拙劣，写软文的人，千万不要用这个系统，在机器学习和软文采集上就被吊打了。这篇文章我是写给初级程序员看的，我不建议你去学习软件系统编程，因为简单，只要你会搞matlab，就能搞定，也就是你可以学会基本的matlab编程，可以查询一些案例就可以学会很多编程工具，但这个系统在初级程序员上，也非常吃力，因为初级程序员缺乏实践经验，出错的机会较多，需要有心理准备。

　　有志学习软件采集和软文采集的初级程序员，可以看看这篇文章，教你们实用geohash的思路。可以了解一下开源采集器软件slient_blaster，就是针对广告采集开发的，可以让你轻松去识别网页的广告内容，简单易用，而且免费。采集很多网站的广告，我总结以下几点。

　　1、选择一个首页广告少一点的网站。市面上很多广告采集系统，首页广告有很多，有些特别多，基本上搜索引擎里面任何你能想到的网站，都可以采集，搜索引擎抓取数据以后，就是全网的数据，都可以用来做广告抓取，但是有些网站首页很少广告，但还是有大量的站点，我个人推荐首页少广告的网站，省去大量看网站的时间，要做定位，找到一个最优策略。

　　2、锁定关键词。如果没有深刻理解你的关键词，很难做深度挖掘和挖掘。

　　3、不要轻易采集常见的新闻或者博客。

　　4、在别人网站留下自己的*敏*感*词*。总结来说，就是把抓取的源站、产品等内容，分成几个区块，每个区块都要分精准的关键词，进行标签化分组，每个区块一个sitemap,分好区块后，按照sitemap来采集。

　　5、有个合理的时间表，不要今天有个广告，明天有个采集，类似这样的，要合理安排什么时间去采集哪个区块，多长时间采集完。

　　6、借助一个searchengine去扒抓网站广告。每个searchengine采集网站的广告，都会生成一个名为json的对象，里面保存了网站的网址，可以直接对文本进行网址扒取，然后转化成excel表格，进行二次分析、加工。searchengine不太好找，但是可以通过插件或者网站广告提供商去找，多尝试，多尝试。这样下来，网站上的广告数据一大部分内容，都是你自己的了。

　　7、你还需要一个采集器软件。我推荐你装个迅捷采集器，安装方法，网上有很多，下载之后，就可以用。你会一些爬虫的初级知识，你还可以自己安装第三方的爬虫软件，例如手机qq、360手机浏览器等app，很多app都提供网站采集，这种采集实现起来更简单，主要是把手机浏览器同步了就可以了。软件的使用方法，我也不写详细，如果有看不懂的，可以加我，看有一些视频教程。欢迎关注我的专栏：三更视界-知乎。