[已解决]采集文章能自动生成txt？

元芳抓刺.客.

wjshskin 发表于 2017-5-9 23:28
你可以先把网址采集下来 然后一个页面 一个页面的访问   设定一个成功特征 然后把标题 内容用正则取出来    ...

你的意思是采集一次提取一次内容？它的默认保存是调试结果.txt

元芳抓刺.客.

wjshskin 发表于 2017-5-9 23:28
你可以先把网址采集下来 然后一个页面 一个页面的访问   设定一个成功特征 然后把标题 内容用正则取出来    ...

你的**是手动保存？

wjshskin

元芳抓刺.客. 发表于 2017-5-10 10:23
你的**是手动保存？

神器会自动保存

yanjian

用八爪鱼可以

元芳抓刺.客.

wjshskin 发表于 2017-5-9 23:28
你可以先把网址采集下来 然后一个页面 一个页面的访问   设定一个成功特征 然后把标题 内容用正则取出来    ...

网址词库放到词库，一个一个访问采集的内容怎么还是都放在调试结果.txt

元芳抓刺.客.

元芳抓刺.客. 发表于 2017-5-10 11:27
网址词库放到词库，一个一个访问采集的内容怎么还是都放在调试结果.txt

[采集来源1]{词库1}[/采集来源1]
[采集正则1]<div class="wznr">([\s\S]*?)<div class="wznr2">[/采集正则1]
[采集页数]1[/采集页数] --请自行修改要采集的页数
[开始页码]1[/开始页码]
[页码频率]1[/页码频率]
[采集延时]100[/采集延时]
[采集编码]utf8[/采集编码]
[保存顺序]0[/保存顺序]
[采集过滤][/采集过滤]
[采集库]{采集正则1}[/采集库]

wjshskin

元芳抓刺.客. 发表于 2017-5-10 11:28
[采集来源1]{词库1}[/采集来源1]
[采集正则1]([\s\S]*?)[/采集正则1]
[采集页数]1[/采集页数] --请自 ...

用发布规则 不是采集规则


[发布提交网址1]{词库1}[/发布提交网址1]
[发布提交数据1][/发布提交数据1]

[发布成功特征1]www===此页面可以打开[/发布成功特征1]
[发布提交1参数1]正则取标题[/发布提交1参数1]
[发布提交1参数2]正则取内容[/发布提交1参数2]
[发布提交1参数2替换]把一些不要的替换成空(相当于去掉)[/发布提交1参数2替换]
[发布提交1参数3][/发布提交1参数3]
[发布失败特征1][/发布失败特征1]
[发布成功保存1]D:\{发布提交1参数1}.txt==={发布提交1参数2替换}[/发布成功保存1]

元芳抓刺.客.

wjshskin 发表于 2017-5-10 23:21
用发布规则 不是采集规则

采集图片失败




[发布提交网址1]https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1494654835984&di=3f2a48d182d1d24a240e3ab8a9b5e578&imgtype=0&src=http%3A%2F%2Fimg4.cache.netease.com%2F3g%2F2016%2F1%2F5%2F20160105144934472d9.jpg[/发布提交网址1]
[发布提交数据1][/发布提交数据1]
[发布成功特征1]www===此页面可以打开[/发布成功特征1]
[发布提交1参数1]<div class="img-wrapper">([\s\S]*?)<div class="text-link-ads new-style" style="display:none;" data-index="0">[/发布提交1参数1]
[发布成功保存1]F:\新建文件夹\{词库1}.jpg==={发布提交1参数1}[/发布成功保存1]

wjshskin

元芳抓刺.客. 发表于 2017-5-13 14:20
采集图片失败

这是文档的  图片这个方式采集不了

元芳抓刺.客.

wjshskin 发表于 2017-5-13 14:24
这是文档的  图片这个方式采集不了

神器没法采集？