1、火車頭采集器 使用流程說明,打開火車頭軟件（LocoySpider.exe）界面如下圖：,二、新建站點,第一步：新建站點（如右圖）,二、新建站點,第二步：點擊“新建站點”后出現(xiàn)如下界面。填寫站點名和站點網(wǎng)址點擊“更新”,三、采集網(wǎng)址,新建好的站點會排列在窗口左側(cè)“站點&任務列表”中。右擊新建好的站點，點擊“從該站點新建任務”，出現(xiàn)如下界面。,以本列表為例：,點擊向?qū)砑雍蟪霈F(xiàn)如下界面：批量/多頁,三、采集網(wǎng)址,三、采集網(wǎng)址,單條網(wǎng)址選項下：,三、采集網(wǎng)址,填寫完成后，點擊“完成”。則出現(xiàn)以下界面：,注釋：1、在選擇目標站時，最好選擇文章更新快，文章質(zhì)量高（少廣告詞、圖片、鏈接、視頻、flash

2、等），內(nèi)容豐富并且在業(yè)界有一定權(quán)威性的站點。2、過于滯后的文章不要采集。（例如：08年、09年的文章）3、在選擇列表的過程中最好以站點為單位，不要以某個列表為單位，這樣采集效率會事半功倍。4、在選擇目標站時盡量不要選擇動態(tài)頁，多選擇可以用數(shù)字或字母（*）代替的靜態(tài)頁。5、在采集過程中遇到不需要采集的文章，可以通過“不得包含”功能將其過濾掉。,三、采集網(wǎng)址,完成采集網(wǎng)址步驟之后，點擊“開始測試網(wǎng)址采集”按鈕。會出現(xiàn)如下界面：,三、采集網(wǎng)址,在檢查采集連接無誤的情況下，點擊“返回修改設置”后，出現(xiàn)如下界面：,三、采集網(wǎng)址,選擇“第二步：采集內(nèi)容規(guī)則”后，出現(xiàn)如下界面。,四、采集內(nèi)容,四、采集內(nèi)容,

3、選擇“添加標簽”后，出現(xiàn)如下界面。,將“標題”、 “資訊內(nèi)容”、“內(nèi)容摘要”、“信息關鍵詞”、“meta關鍵詞”、“meta描述”、“責任編輯”、“信息來源”添加到標簽名中，將其他不需要的標簽名稱刪除，出現(xiàn)如下界面。,四、采集內(nèi)容,下面分別說明“標題”、“內(nèi)容摘要”、“信息關鍵詞”、“meta關鍵詞”、“meta描述”、“責任編輯”、“信息來源”、“資訊內(nèi)容”各個標簽的采集規(guī)則。,四、采集內(nèi)容,采集頁面以,第一、標題 查看本頁面“源文件”搜索title代碼，找到文章內(nèi)容部分。如下圖： 注釋：一般情況下檢索都可以采集到我們需要的標題標簽，但由于這篇文章此代碼中設計到其他網(wǎng)站logo及列表分類不確

4、定信息，所以選擇 中內(nèi)容來代替。如果沒有合適字段，可利用“內(nèi)容排除”選項進行篩選。,雙擊上圖窗口中的“標題”標簽，將“源代碼”中對應的標題開始代碼和結(jié)束代碼分別輸入到開始字符段和結(jié)束字符段中，點擊確定，標題標簽設置完成。,四、采集內(nèi)容,第二、資訊內(nèi)容,四、采集內(nèi)容,查看本頁面“源文件”，找到文章內(nèi)容部分。如下圖：,1、雙擊上圖窗口中的“資訊內(nèi)容”標簽，將“源代碼”中對應的資訊內(nèi)容開始代碼和結(jié)束代碼分別輸入到開始字符段和結(jié)束字符段中。2、勾選“HTML標簽排除”中的“鏈接”、“層”、“Span”、“圖象”、“腳本”選項。3、選擇“內(nèi)容排除”中的添加項，將資訊內(nèi)容代碼中的無用代碼和文本添加在此選項

5、中，過濾廢物信息。4、點擊確定，資訊內(nèi)容標簽設置完成。 如下圖：,四、采集內(nèi)容,四、采集內(nèi)容,四、采集內(nèi)容,注釋： 在資訊內(nèi)容采集過程中最主要的是對垃圾信息的刪除，其中需要注意的有以下幾項： 1、廣告語 （例如：2010年建材行業(yè)十大評選活動圓滿落幕，電話：01062298529） 2、特殊標簽 （例如：標簽，大部分標簽會在“HTML標簽排除”中刪除。） 3、網(wǎng)站logo （例如：【慧聰建材網(wǎng)】） 4、文章中銘感文字 （例如：點擊下一頁、點擊查看更多圖片、視頻、責任編輯、評論、【熱點導讀】、【相關新聞】等與文章正文無關的文字。）,四、采集內(nèi)容,第三、內(nèi)容描述、meta描述,查看本頁面“源文件”

6、 搜索description代碼，找到文章描述部分。如下圖：,四、采集內(nèi)容,將“源代碼”中對應的描述開始代碼和結(jié)束代碼分別輸入到開始字符段和結(jié)束字符段中，點擊確定，內(nèi)容描述和meta描述標簽設置完成。,注釋：有些文章描述部分設有大量廣告語或與本文無關的內(nèi)容，這樣的文章描述我們不給予采集?？梢詫祟}的采集方法復制到描述采集中。,四、采集內(nèi)容,第四、信息關鍵詞、meta關鍵詞,查看本頁面“源文件” 搜索keywords代碼，找到文章關鍵詞部分。如下圖：,四、采集內(nèi)容,將“源代碼”中對應的關鍵詞開始代碼和結(jié)束代碼分別輸入到開始字符段和結(jié)束字符段中，點擊確定，信息關鍵詞和meta關鍵詞標簽設置完成。,

7、注釋：有些文章關鍵詞部分設有大量廣告語或與本文無關的內(nèi)容，這樣的文章關鍵詞我們不給予采集。可以將標題的采集方法復制到關鍵詞采集中。,四、采集內(nèi)容,第五、責任編輯,雙擊責任編輯標簽，選擇“自定義固定格式的數(shù)據(jù)”，在固定的字符串選項中填寫自己的名稱，點擊確定，責任編輯設定完成。,四、采集內(nèi)容,第六、信息來源,雙擊責任編輯標簽，選擇“自定義固定格式的數(shù)據(jù)”，在固定的字符串選項中填寫信息來源，點擊確定，信息來源設定完成。,四、采集內(nèi)容,第七、分頁,在“頁面內(nèi)容分頁區(qū)域/樣式設置”中將分頁部分代碼輸入其中，用（*）代替即可。如下圖： （注釋：各站的分頁代碼不同，需要具體分析，采集分頁的文章在我們后臺將成

8、為一篇通篇文章。建議少采集分頁多的文章，影響用戶體驗。）,四、采集內(nèi)容,規(guī)則填寫完成后，返回至第一步“測試網(wǎng)址采集”。雙擊所采集到的任一文章地址。則會自己彈出如下界面。（注釋：建議多測試幾篇文章，減少垃圾代碼出現(xiàn)。）,采集內(nèi)容階段完成，點擊進入發(fā)布內(nèi)容設置,五、發(fā)布內(nèi)容,1、啟動以下兩項，點擊“定義web在線發(fā)布到網(wǎng)站全局設置”。,五、發(fā)布內(nèi)容,2、點擊添加，選擇phpcms2008 新聞發(fā)布模塊 3、在“網(wǎng)站/cms根地址”：輸入http:/localhost/phpcms/ 4、點擊“在火車內(nèi)置瀏覽器中登錄”,五、發(fā)布內(nèi)容,12、在配置名中輸入要采集的欄目名稱，點擊保存配置。,13、設置完成后點擊保存。,發(fā)布內(nèi)容部分結(jié)束,六、任