視頻教程：




圖文教程：

    其實(shí)采集可以這么理解，定義頭和尾，除了在截取鏈接不需要檢測(cè)，在其它地方你定義的頭和尾，在同G個(gè)html表里不能有相同的，為什么不能有相同的呢？是因?yàn)椴杉拿恳徊剑ǔ私厝℃溄油猓┒际歉鶕?jù)你所定義的頭和尾來(lái)截取頁(yè)面內(nèi)容的。所以你在定義頭和尾不僅不能有相同的，還要盡可能地把不需要的內(nèi)容排除開(kāi)。如果你理解了這個(gè)定義頭和尾，基本上對(duì)于簡(jiǎn)單的頁(yè)面是能采集的。G面我以一個(gè)實(shí)例來(lái)說(shuō)明一下：


一、設(shè)置采集模塊
    在后臺(tái)點(diǎn)擊【采集管理】，出現(xiàn)的是【新增采集模塊】的內(nèi)容，主要設(shè)置下載的大小和超時(shí)時(shí)間，以及給采集項(xiàng)目分類(lèi)，便于查詢(xún)，目前作用不是很大。
 

 二、設(shè)置采集規(guī)則
1、點(diǎn)擊【新增采集項(xiàng)目】，進(jìn)入采集項(xiàng)目的第一步，我們以采集SOHU的國(guó)內(nèi)IT信息為例，如圖設(shè)置：

   1）項(xiàng)目名稱(chēng)：給采集項(xiàng)目命名
   2）所屬模塊：采集數(shù)據(jù)入庫(kù)后，放入哪個(gè)欄目
   3）目標(biāo)頁(yè)面編碼：國(guó)內(nèi)的網(wǎng)站選擇GB2312，國(guó)外網(wǎng)站選擇UTF-8，臺(tái)灣的繁體字網(wǎng)站選擇BIG5；
   4）采集網(wǎng)址URL：就是要采集的列表頁(yè)面，這一步很關(guān)鍵，這一步關(guān)系到你能否采集完所有內(nèi)容。一般你進(jìn)入采集頁(yè)面先判斷一下是不是有多頁(yè)，如果有多頁(yè)你進(jìn)入第二頁(yè)和第一頁(yè)是不是有規(guī)律變化，比如是：xxxx_1.htm,xxx_2.htm,特別注意數(shù)字，如果第一頁(yè)開(kāi)始就有_id的規(guī)律，那就把第一頁(yè)作為列表網(wǎng)址，如果第一頁(yè)與第二頁(yè)沒(méi)相關(guān)規(guī)律，而是從第二頁(yè)開(kāi)始才能這樣的規(guī)律，那將第二頁(yè)作為列表網(wǎng)址，第一頁(yè)放到一邊，等所有數(shù)據(jù)采集完了，再來(lái)采集單獨(dú)頁(yè)面，反正以后也只采集第一頁(yè)，為啥？因?yàn)橐话愀碌亩荚诘谝豁?yè)。
   5）分頁(yè)/多頁(yè)采集設(shè)置：若只采集一個(gè)頁(yè)面，選擇“不作設(shè)置”，采集多頁(yè)面，可選擇其他3項(xiàng)；
   6）采集屬性：“立即入庫(kù)”指一采集就在前臺(tái)顯示，建議此項(xiàng)不要選擇，沒(méi)選擇此項(xiàng)，采集結(jié)果將進(jìn)入【采集結(jié)果】頁(yè)面， 后再入庫(kù)；“保存遠(yuǎn)程圖片”指把圖片保存到本地；“倒序采集”指采集結(jié)果的排序順序，打勾它，采集記錄順序和采集列表頁(yè)一致。
   7）狀態(tài)：指入庫(kù)后文章的狀態(tài)，即文章在前臺(tái)是顯示，還是隱藏；
   8）其它設(shè)置項(xiàng) 是按字面的意思，一般默認(rèn)設(shè)置就行，就不詳細(xì)說(shuō)了
 

2、列表鏈接設(shè)置
   1）打開(kāi)采集頁(yè)面，如http://it.sohu.com/itguonei.shtml，
 

鼠標(biāo)右擊頁(yè)面，彈出窗口，選擇【查看源代碼(V)】，在源代碼中找到所要采集的列表，如下圖， 
 

找出“列表開(kāi)始代碼”、“列表結(jié)束代碼”、“鏈接開(kāi)始代碼”、“鏈接結(jié)束代碼”，最后兩項(xiàng)一般默認(rèn)就行，然后點(diǎn)擊“下一步”。
 

3、正文內(nèi)容設(shè)置

    打開(kāi)列表頁(yè)中的一個(gè)內(nèi)容頁(yè)，如http://it.sohu.com/20101104/n277154569.shtml，鼠標(biāo)右擊頁(yè)面，彈出窗口，選擇【查看源代碼(V)】，在源代碼中找到所要采集的“標(biāo)題開(kāi)始代碼”、“標(biāo)題結(jié)束代碼”、“正文開(kāi)始代碼”、“正文結(jié)束代碼”，其他幾個(gè)設(shè)置項(xiàng)視需要而定，可默認(rèn)，然后點(diǎn)擊“下一步”。
 

4、正文內(nèi)容采集效果

 
      點(diǎn)擊“點(diǎn)擊查看正文內(nèi)容采集效果”，出現(xiàn)如下頁(yè)面，那采集結(jié)果正常。
 

 
點(diǎn)擊“完成”后，會(huì)跳轉(zhuǎn)到【采集項(xiàng)目管理】頁(yè)面

    注：若采集結(jié)果有問(wèn)題，修改“列表鏈接設(shè)置”、“正文內(nèi)容設(shè)置”中的起始、終止代碼，多試幾次，就可得出所要的內(nèi)容了，有的頁(yè)面可能無(wú)法采集，不同所有的頁(yè)面都可以采集的。

三、采集項(xiàng)目管理

    現(xiàn)在就可以開(kāi)始采集了，點(diǎn)擊右邊的采集按鈕，進(jìn)行單個(gè)采集，或者勾選幾個(gè)要采集的項(xiàng)目，點(diǎn)擊“批量采集”按鈕。建議上面設(shè)置項(xiàng)中不要勾選“立即入庫(kù)”，擔(dān)心采集有異常，這樣采集結(jié)束后，采集內(nèi)容將在【采集結(jié)果】頁(yè)面中顯示，檢查沒(méi)問(wèn)題后，再點(diǎn)擊入庫(kù)，最后到前臺(tái)檢查下數(shù)據(jù)，這樣整個(gè)采集過(guò)程就完成了。