火车采集器标签编辑使用教学

火车采集器是一款专业的互联网数据抓取、处理、分析，挖掘软件，多数据库支持，用户可以对Access/MySQL/MsSQL/Sqlite/Oracle多种类型的数据库保存及发布，功能丰富实用操作简单，支持各种文件数据格式，图片、压缩文件、视频等任意格式的文件都能轻松下载，兼容性极强，适用于各种微软系统，运行流畅，完美匹配。多个搜索引擎，强大数据搜索能力，业界领先，用户不需要再下载其他搜索软件，今天小编就为大家带来了火车采集器，标签编辑使用教学，帮助大家更好的使用这一款软件！

火车采集器标签编辑使用教学图1

火车采集器标签编辑

对数据内容标签进行编辑定义，数据的获取方式有

A).从源码中获取数据

B).生成固定格式的数据

C).已有标签组合

A).从源码中获取数据：可精确地设置标签的来源是从默认页的源码、返回头信息和网页地址中，

或者是分页、循环分块、多页中。

其数据提取方式包括：

A.a).前后截取

A.b).正则提取

A.c).正文提取

A.d).Xpath提取

A.e).JSON 提取

B).生成固定格式的数据：可生成固定的字符串、系统时间、随机字符串、随机数字、系统时间戳、随机抽取信息

C).已有标签组合：可通过组合已有的标签，来生成新的标签内容

A.a).前后截取

通过设置开始字符串和结束字符串，来获取中间的字符，可以在开始和结束字符串中设置通配符（*）

A.b).正则提取

支持两种正则，一个纯正则，一个参数正则。

先介绍纯正则，举个例子，

如：前字符串 (?<content>[\s\S]*?)后字符串，这个正则其实效果跟前后截取一样，

如需要获取全部代码，则为^(?<content>[\s\S]*?)$ ，此功能运用需有一定的正则基础。

关于参数正则，是通过参数组合，来生成内容。

比如说要匹配标题为“新用户注册”和作者“神秘嘉宾”，代码如下：

<div class="content">

<h2>新用户注册</h2>

<div id="tools">【作者：神秘嘉宾】【字号：<a href="#" class="fontSize">大</a>

设置如图：

火车采集器标签编辑使用教学图2

需要获取的字段用参数表示，不需要的字段或空格用星号代替；在组合结果里可以对多个参数进行组合。

A.c).正文提取

注意这种方式只适合格式较为规则的多文字数据提取，例如新闻文章。

它不需要设置复杂的规则，可智能分析提取文章正文，文章标题，以及发布时间。

火车采集器标签编辑使用教学图3

A.d).Xpath提取

通过Xpath表达式来获取数据，比如//div[@id=’content’]，

就是获取id为content的div可指定要获取html节点的属性，

比如 Innerhtml、Outerhtml、Innertext、Href属性。

（注意：这种有一定的局限性，对于部分html标签不规范的页面无法解析。）

A.e).JSON提取

通过对JSON形式的数据格式化操作，写表达式来获取其节点数据。