火車采集器

火車采集器(LocoySpider)是一款專業(yè)的功能強大的網(wǎng)絡(luò)數(shù)據(jù)/信息挖掘軟件，通過靈活的配置，您可以很輕松的從網(wǎng)頁上抓取文字、圖片、文件等任何資源。

程序支持遠程下載圖片文件，支持網(wǎng)站登陸后的信息獲取，支持探測文件真實地址，支持代理，支持防盜鏈的采集，支持采集數(shù)據(jù)直接入庫和模仿人手工發(fā)布等許多功能特點。

火車采集器支持從任何類型的網(wǎng)站采集獲取您所需要的信息，如各種新聞類網(wǎng)站、論壇、電子商務(wù)網(wǎng)站、求職招聘網(wǎng)站等。

同時具有強大的網(wǎng)站登錄采集、多頁和分頁的采集、網(wǎng)站跨層采集、POST采集、腳本頁面采集、動態(tài)頁面采集等高級采集功能。

強大的php和c#插件支持，讓您可以通過二次開發(fā)實現(xiàn)您所想要的任何更強大的功能。

軟件特色

1、通用性強

無論新聞、論壇、視頻、黃頁、圖片、下載類網(wǎng)站，只要通過瀏覽器能看到的結(jié)構(gòu)化的內(nèi)容，通過指定匹配規(guī)則，都能采集到您所需要的內(nèi)容。

2、穩(wěn)定、高效

五年磨一劍，軟件不斷更新進步，采集速度快，性能穩(wěn)定，占用資源少。

3、擴展性強、適用范圍廣

自定義web發(fā)布，自定義主流的數(shù)據(jù)庫的保存和發(fā)布，自定義本地php及.net外部編程接口處理數(shù)據(jù)，讓數(shù)據(jù)都能為你所用。

菜單功能

1.新建分組

新建一個任務(wù)分組，選擇所屬分組，確定分組名稱和備注。

2.新建任務(wù)

確定所屬分組，新建一個任務(wù)，填寫任務(wù)名稱并保存。

3.Web發(fā)布配置

Web發(fā)布配置定義了如何登陸一個網(wǎng)站以及向該網(wǎng)站提交數(shù)據(jù)。

主要涉及到登錄信息的獲取，網(wǎng)站編碼設(shè)定，欄目列表的獲取，以及使用數(shù)據(jù)測試發(fā)布效果。

4.Web發(fā)布模塊

可以定義網(wǎng)站登錄，獲取欄目列表，獲取網(wǎng)頁隨機值，內(nèi)容發(fā)布參數(shù)，以及上傳文件，構(gòu)造發(fā)布數(shù)據(jù)等高級功能。

5.數(shù)據(jù)庫發(fā)布配置

數(shù)據(jù)庫發(fā)布配置定義了數(shù)據(jù)庫鏈接信息的設(shè)置以及數(shù)據(jù)庫模塊的選擇。

6.數(shù)據(jù)庫發(fā)布模塊

用于編輯數(shù)據(jù)庫的發(fā)布模塊，方便我們將數(shù)據(jù)發(fā)布到配置好的數(shù)據(jù)庫中。

火車采集器可選mysql、sqlserver、oracle、access四種數(shù)據(jù)庫類型，在文本輸入框中填寫sql語句

（需有數(shù)據(jù)庫相關(guān)知識），并可使用標簽替換相應(yīng)數(shù)據(jù)。也可在采集器模塊文件夾中加載某一模塊進行編輯。

7.計劃任務(wù)

設(shè)置列表中采集任務(wù)的啟動計劃，可每間隔、每天、每周、僅一次、或自定義Cron表達式，

（Cron表達式的寫法可參考相關(guān)術(shù)語中的介紹）。保存設(shè)置后，任務(wù)即可按照設(shè)置執(zhí)行。

8.插件管理

插件是可以用來擴展火車采集器功能的程序

火車采集器V9支持PHP源碼、C#源碼、C#類庫三種類型的插件，

可用于擴展http請求、內(nèi)容處理和文件下載的功能，并可以分別進行測試。

9.http二級代理

網(wǎng)絡(luò)中的服務(wù)器，可以讓網(wǎng)絡(luò)用戶去取得所需要的網(wǎng)絡(luò)信息。

代理的功能有可以突破自身ip的訪問限制訪問國外站點，訪問一些單位或團體內(nèi)部資源，

突破電信的ip封鎖和隱藏真實的ip等。

火車采集器V9支持http代理、socket4和socket5代理。

10.http模擬請求

可以設(shè)置如何發(fā)起一個http請求，包括設(shè)置請求信息，返回頭信息。并具有自動提交的功能。

基本功能

1、規(guī)則自定義 - 通過采集規(guī)則的定義，可以搜索所有網(wǎng)站采集幾乎任何類型的信息。

2、多任務(wù)，多線程 - 可以同時進行多個信息獲取任務(wù)，每個任務(wù)可以使用多個線程。

3、所見即所得 － 任務(wù)采集過程所見即所得，過程中遍歷的鏈接信息、采集信息、錯誤信息等都會及時的反映在軟件界面中。

4、數(shù)據(jù)保存 － 數(shù)據(jù)邊采集邊自動保存到關(guān)系數(shù)據(jù)庫中，并且數(shù)據(jù)結(jié)構(gòu)能夠自動適應(yīng)，軟件可以根據(jù)采集規(guī)則自動創(chuàng)建數(shù)據(jù)庫，以及其中的表和字段，也可以通過導(dǎo)庫方式靈活的將數(shù)據(jù)保存到客戶已有的數(shù)據(jù)庫結(jié)構(gòu)中。

5、斷點續(xù)采 - 信息收集任務(wù)可以在停止后從斷點開始繼續(xù)采集，從此你用不再擔心你的采集任務(wù)意外中斷了。

6、網(wǎng)站登錄 － 支持網(wǎng)站Cookie，支持網(wǎng)站可視化登錄，即使登錄時需要驗證碼的網(wǎng)站也能采集。

7、計劃任務(wù) - 通過這個功能可以讓你的采集任務(wù)定時、定量或者一直循環(huán)執(zhí)行。

8、采集范圍限制 - 可以根據(jù)采集的深度和網(wǎng)址的標識來限制采集的范圍。

9、文件下載 － 可以將采集到的二進制文件（諸如：圖片、音樂、軟件、文檔等等）下載到本地磁盤或者采集結(jié)果數(shù)據(jù)庫中。

10、結(jié)果替換 - 可以將采集的結(jié)果根據(jù)規(guī)則替換成你定義的內(nèi)容。

11、條件保存 - 可以根據(jù)某個條件來決定那些信息保存，那些信息過濾。

12、過濾重復(fù)內(nèi)容 － 軟件可根據(jù)用戶設(shè)置和實際情況對重復(fù)內(nèi)容和重復(fù)網(wǎng)址自動刪除重復(fù)內(nèi)容。

13、特殊鏈接識別 - 運用此功能可以將用JavaScript動態(tài)生成的鏈接或其他更古怪的連接識別出來。

14、數(shù)據(jù)發(fā)布 － 可以通過自定義接口，將已采集的結(jié)果數(shù)據(jù)發(fā)布到任意的內(nèi)容管理系統(tǒng)和指定數(shù)據(jù)庫中?，F(xiàn)在已支持的目標發(fā)布媒體包括：數(shù)據(jù)庫(access, sql server,my sql,oracle) ，靜態(tài)htm文件。

15、預(yù)留編程接口 － 定義多個編程接口，用戶可以在事件中利用PHP,C#語言進行編程，擴充采集功能。

特色功能

1、支持所有網(wǎng)站編碼：完美支持采集所有編碼格式的網(wǎng)頁,程序還可以自動識別網(wǎng)頁編碼。

2、多種發(fā)布方式：支持目前所有主流和非主流的CMS,BBS等網(wǎng)站程序,通過系統(tǒng)的發(fā)布模塊能實現(xiàn)采集器和網(wǎng)站程序間的完美結(jié)合。

3、全自動：無人值守工作，配置好程序后，程序?qū)⒁罁?jù)您的設(shè)置自動運行，完全無需人工干預(yù)。

4、本地編輯：本地可視化編輯已采集的數(shù)據(jù)。

5、采集測試：這是其它任何同類采集軟件所不能比的，程序支持直接查看采集結(jié)果并測試發(fā)布。

6、管理方便：使用站點+任務(wù)方式管理采集節(jié)點，任務(wù)支持批量操作，再多的數(shù)據(jù)管理也很輕松。

更新日志

火車采集器V10.0版

1.數(shù)據(jù)獲取中支持調(diào)用其他標簽的值作為截取條件。

2.數(shù)據(jù)獲取支持CSS selector，很多網(wǎng)頁的css 的屬性唯一，此功能更利于批量從網(wǎng)頁中提取數(shù)據(jù)。

3.增加關(guān)聯(lián)區(qū)域功能，可以截取網(wǎng)頁中指定區(qū)域內(nèi)容進行采集處理。

4.批量網(wǎng)址增加區(qū)間變化的網(wǎng)址增加方式，適應(yīng)更多的網(wǎng)頁地址變化方式。

5.批量設(shè)置增加新增加功能的批量設(shè)置。

6.運行統(tǒng)計日志設(shè)置添加默認關(guān)閉功能，可在設(shè)置中選擇開啟或關(guān)閉。

7.oss相關(guān)問題修復(fù)。

8.網(wǎng)址空格問題導(dǎo)致列表頁標簽錯誤問題修復(fù)。

9.下載相關(guān)問題修復(fù)。

10.修復(fù)“任務(wù)數(shù)據(jù)批量處理”中刪除為空記錄無效的問題。

11.文件下載插件增加文件下載后處理接口。