关于采集的

xiazaidian0

论坛不支持上传图片  我只有传自己空间了
http://tieba.baidu.com/f/index/forumclass
这个连接  我想用他把
采集完之后就可以采集出类似的这样连接http://tieba.baidu.com/f/index/forumpark?cn=%B8%DB%CC%A8%B6%AB%C4%CF%D1%C7%C3%F7%D0%C7&ci=0&pcn=%D3%E9%C0%D6%C3%F7%D0%C7&pci=0&ct=1
之后用他采集出所有页码
http://tieba.baidu.com/(.*?).{页码}   最后用所有页采集出贴吧名字

这个不就需要采集来源3 与 正则3吗  软件不支持正则3  大神们是怎样做这类软件的

xiazaidian0

就是程序需要用第2次的正则采集出来的数据 作为第3次采集的来源  

那么怎么引用呢
第一次直接用连接
第2次用第一次采集出来的结果 也就是把正则1作为变量

第3次需要用正则1作为变量采集出来的结果作为来源
那么怎么引用呢



还有最后的不需要用 正则2匹配1  了吧 直接用正则2可以吗


[采集库]{采集正则2}[/采集库]

我看刺客的都用了[采集库]{采集正则2匹配1}[/采集库]


我不知道为什么  需要的正则2采集的结果 直接用 正则2不就可以了  为什么还匹配

xiazaidian0

第一次我没描述清楚  
第2次编辑了下还需要审核才能显示
刺客给通过下

刺客

采集功能还不完善，建议用火车头等专业的采集器

由于 采集2 还不支持 {页码} 所以 采集2 只采集了第1页的数据，不完整

1. --采集规则 百度贴吧名采集，非完整采集
   
2. [伪造IP]{随机IP=中国}[/伪造IP]
   
3. 
   
4. --fid是板块编号
   
5. [采集来源1]http://tieba.baidu.com/f/index/forumclass[/采集来源1]
   
6. [采集正则1]<li class="last_tag_li"><a href="(.*?)">[/采集正则1]
   
7. 
   
8. 
   
9. [采集来源2]http://tieba.baidu.com{采集正则1}&st=new&pn={页码}[/采集来源2]
   
10. [采集正则2]<p class="ba_name">(.*?)</p>[/采集正则2]
    
11. 
    
12. [采集页数]1[/采集页数] --请自行修改要采集的页数
    
13. [开始页码]1[/开始页码]
    
14. [页码频率]1[/页码频率]
    
15. [采集延时]100[/采集延时]
    
16. [采集编码][/采集编码]
    
17. [保存顺序]0[/保存顺序]
    
18. [采集替换][/采集替换]
    
19. [采集库]{采集正则2匹配1}[/采集库]

复制代码

kaiser

建议用火车头等专业的采集器
火车头蛮好用的，感觉比神器编辑规则简单

xiazaidian0

还有最后的不需要用 正则2匹配1  了吧 直接用正则2可以吗


[采集库]{采集正则2}[/采集库]

我看刺客的都用了[采集库]{采集正则2匹配1}[/采集库]


我不知道为什么  需要的正则2采集的结果 直接用 正则2不就可以了  为什么还匹配

xiazaidian0

人工置顶