小猪采集器规则制作.doc

1.何时才需要做小猪采集规则小猪内置了数百种采集规则（内置规则无法修改），方便了用户使用，不过网页（模板）是千变万化的，当Ctrl+b预览不到内容、或者预览到的内容不符合您要求的时候，就需要制作采集规则了。注意点：小猪采集规则主要功能是提取字符、网址；? ?? ?? ?? ???采集回复数量、关键词SEO、伪原创、图片/附件下载、发布切换用户、发布时间间隔等是通过“采集方案”来控制，并且这些是运行均是自动化的。2.小猪采集规则的作用采集规则，顾名思义，就是采集用的，将网页上的内容提取整理成适合的形式，以便于发布到网站或者存储到CSV数据表格里面。补充：? ?小猪采集规则实际包含了 采集规则+发布规则 ，这么设计的好处，可以处理交互式的网页，实现自动登录、回复、购买等互动采集，普通采集器很难实现这些互动处理，比如在论坛的帖子页，可以采集这个帖子，也可以对这个帖子进行回复后再采集，当然，大部分情况下是不需要做发布规则的，请按需选择。3.小猪采集规则的兼容性小猪的采集规则处理的对象是“网页模板”，普通的网站一般只用一套模板，这种网页就有规律可循，比如相同模板的列表页只需要制作一条列表采集规则。小结 ：? ?网站的发布内容展示在网页上，通过“网页模板”展示出来，软件则是通过对应的“采集规则”来解密出网页的内容，小猪规则相当于是“钥匙”，不同的钥匙打开不同的“网页模板”。4.小猪采集规则的独立性与调用小猪软件采集规则，是互相独立，又互相配合的，并且规则和任务也是独立的。小猪的各个任务会自动调用“已经打钩”的本地规则、内置规则、云规则等，所以制作好规则后，就可以测试采集了，任务会自动调用，无需手工再次选择。5.采集页面深度小猪理论上支持采集支持无限深度，原理是通过不同的规则识别不同的网页模板，也就是抓取不同的页面深度。对于更复杂的需求，还可以通过p语言来实现，比如通过p语言抓取相关的网页页面字符和当前页面字符进行拼接组合。第四节 实战编写小猪规则 有些用户可能比较心急，这一节讲解如何操作，不过我们建议大家有空的话还是看全 五节教程的文字部分，这样能基本掌握小猪规则的制作方法。 小猪规则编写速查表.rar (0 Bytes, 下载次数: 862) 2011-12-19 13:03:56 上传 下载次数: 862 ，新手可以参考此表来编写小猪规则。建议按顺序看以下视频教程： 序号 视频教程说明 视频下载地址 本地下载 教程规则下载 1 编辑规则相关界面介绍 点击进入下载 本地下载 2 正文采集规则制作方法 点击进入下载 本地下载 新闻__正文_11111.rar (428 Bytes, 下载次数: 641) 2011-12-19 14:44:17 上传 下载次数: 641 3 列表采集规则制作方法 点击进入下载 本地下载 新闻__列表.rar (481 Bytes, 下载次数: 607) 2011-12-19 14:44:30 上传 下载次数: 607 4 论坛帖子采集规则制作 点击进入下载 本地下载 5 视频采集规则制作（包含采集视频评论) 点击进入下载 本地下载 以下为文字说明和相关注意点： 正文规则制作教程 正文规则是为了采集到 标题、内容（包括图片、附件网址），以及获取正确的翻页网址，便于实时发布。一、在文章页面，CTRL+B 测试获取内容不正确，就需要做正文规则二、右键点“本地规则库”--制作当前网页采集规则编辑正文规则方法如下： 操作顺序 配置名 操作方法和注意点 1 全局区 设置规则名称和规则类型，一般是选择源代码，正文页类型 2 标题 鼠标框选网页上标题区域，右键菜单--内容采集--此处取标题，其他配置名均可以如此操作 3 正文 注意：只有在要采集回复、评论，才需要设置“首帖区域”“单元区域”? ? 4 正文下一页网址 如果有翻页，设置翻页地址，便于软件自动采集文章分页注意：如果是论坛帖子的翻页，需要设置为“下一页网址” 5 识别区 回过头来，用正文的 class属性，设置 识别区—内容必包含 保存规则，打开其他正文页面测试是否获取正常，是否调用到了此正文采集规则。小结：? ? 制作文章类型的正文规则，主要设置“配置名”中的识别区、标题、正文、正文下一页。注意点：识别区务必要设置，识别区的重要性在第二节中有相关说明。 列表规则的制作教程 列表规则起到导航的作用，便于软件抓取到正文网址，采集正文内容。一、打开版块列表页，CTRL+B 测试获取内容不正确，就需要做列表规则此教程中，内置规则能正常识别到列表，只是演示制作方法二、右键点“本地规则库”--制作当前网页采集规