百度采集问题。

ddmao520

有没有办法可以采集第一页  的知道和贴吧链接？？


采集来源：

1. http://www.baidu.com/s?wd=%E6%B7%98%E5%AE%9D%E6%9C%80%E5%A5%BD%E7%9A%84%E9%9B%B6%E9%A3%9F%E5%BA%97&pn=0&ie=utf-8
   

复制代码

但是，规则写不出，采集正则可以有2个的吗？

例如：
[采集正则1]<td class="first c-default "><a href="(.*?)" target="_blank">[/采集正则1]
[采集正则2]*****************[/采集正则2]

刺客

[采集正则2] 是在文章采集的时候才用

ddmao520

刺客 发表于 2013-11-29 16:51
[采集正则2] 是在文章采集的时候才用

那能实现，采集第一页  的知道和贴吧链接吗？

刺客

ddmao520 发表于 2013-11-29 17:03
那能实现，采集第一页  的知道和贴吧链接吗？

思路：采集http://www.baidu.com/link?url=6H ... NnpyJTs76blsoVMqHqK 这样的地址，程序会自动转换为百度知道正式地址，代码如下！

1. --百度搜索文本：site:(zhidao.baidu.com) (淘宝最好的零食店)
   
2. [演示网址][/演示网址]
   
3. [升级地址][/升级地址]
   
4. [采集来源1]http://www.baidu.com/s?wd=site%3A%28zhidao.baidu.com%29%20%28%E6%B7%98%E5%AE%9D%E6%9C%80%E5%A5%BD%E7%9A%84%E9%9B%B6%E9%A3%9F%E5%BA%97%29&pn={页码}&tn=baiduadv&ie=utf-8[/采集来源1]
   
5. [采集正则1],url:'(.*?)'[/采集正则1]
   
6. [采集页数]2[/采集页数] --请自行修改要采集的页数
   
7. [开始页码]0[/开始页码]
   
8. [页码频率]10[/页码频率]
   
9. [采集延时]100[/采集延时]
   
10. [采集编码]gbk[/采集编码]
    
11. [采集过滤][/采集过滤]
    
12. [采集结果1]{采集正则1}[/采集结果1]
    
13. [采集库]{采集结果1}[/采集库]

复制代码

hcmgood

ddmao520 发表于 2013-11-29 17:03
那能实现，采集第一页  的知道和贴吧链接吗？

使用搜索指令，如site  如intitle：淘宝零食 inurl:zhidao.baidu.com

ddmao520

刺客 发表于 2013-11-29 18:46
思路：采集http://www.baidu.com/link?url=6H-3HZXYCmSoAGKOIfIGXHWVr8bPomB3uSuLUeeGNKqsjL-TEjuOyXu519 ...

采集来源的关键字不能调用词库呀？

刺客

ddmao520 发表于 2013-11-30 11:44
采集来源的关键字不能调用词库呀？

支持词库 如：（测试版版本2.840）

1. [采集来源1]http://www.baidu.com/s?wd=site%3A%28zhidao.baidu.com%29%20%28%E6%B7%98%E5%AE%9D%E6%9C%80%E5%A5%BD%E7%9A%84%E9%9B%B6%E9%A3%9F%E5%BA%97%29&pn={页码}&tn=baiduadv&ie=utf-8?{词库1}[/采集来源1]
   
2. [采集正则1],url:'(.*?)'[/采集正则1]
   
3. [采集页数]3[/采集页数] --请自行修改要采集的页数

复制代码

ddmao520

刺客 发表于 2013-11-30 14:39
支持词库 如：（测试版版本2.840）

为什么把词库放后面？
&pn={页码}&tn=baiduadv&ie=utf-8?{词库1

我是想要这样，

1. [采集来源1]http://www.baidu.com/s?wd=site%3A%28zhidao.baidu.com%29%20%28{词库1}%29&pn={页码}&tn=baiduadv&ie=utf-8[/采集来源1]

复制代码

刺客

ddmao520 发表于 2013-11-30 17:45
为什么把词库放后面？
&pn={页码}&tn=baiduadv&ie=utf-8?{词库1

都可以的，我只是举例。

ddmao520

刺客 发表于 2013-11-30 17:48
都可以的，我只是举例。

1. [采集来源1]http://www.baidu.com/s?wd=site%3A%28zhidao.baidu.com%29%20%28{词库1}%29&pn={页码}&tn=baiduadv&ie=utf-8[/采集来源1]

复制代码

实现不了，采集的关键字是“｛词库1｝”  。而不是｛词库1｝里面的内容。