网络神采 6.2.16中文版

网络神采中文版是一款十分优秀的采集软件，网络神采中文版体积不大，但是功能非常的好用，可以快速采集、下载网页数据。并且网络神采中文版支持智能采集、可视化采集，支持二次开发、分布式部署。

网络神采中文版功能介绍

1、采集强度

支持JS解析、POST分页、登录采集、跨层采集。对于疑难采集页面，有成熟的解决方案。

2、速度快

支持多任务同时运行，每个任务又可以设置多线程，确保运行效率。

3、规模化

支持任务多级分类、批量管理。支持云服务器分布式部署，管理员团队协合。

4、流程化

支持定时采集，任务定时自动启动。通过二次开发，实现流程化的信息采集、信息处理。

5、运行稳定

系统运行稳定，要求“0 bug”。目标网页改版后，自动通知管理员。

6、准确性

定制好任务后，采集准确率可达100%，即一条不漏。

网络神采中文版：入门采集示例

新闻采集是最常用的，也是最容易理解的，我们就拿一个简单的新闻采集任务作为入门示例。该任务有两层：“新闻列表”和“新闻内容”。我们将新闻列表作为“起始地址”，然后通过“导航规则”从“新闻列表”提取“新闻内容”的网址，最后根据“采集规则”采集所需内容。

1、创建任务

在网络神采软件主窗口，单击菜单“任务”->“新建”，打开“任务编辑”对话框来创建一个任务。下面通过图文混合，一步步讨论如何填写设置：

第一步：任务概述

在“任务概述”中，我们只填写一个任务名称即可：郑州大学新闻信息。其它设置暂且不讨论，等您熟练以后再参考我们的帮助文档。

第二步：起始地址

起始地址就是我们要采集内容的入口地址，在这里是“新闻列表”：http://www3.zzu.edu.cn/msgs/vmsgisapi.dll/vmsglist?mtype=x&lan=202&tts=&tops=&pn={1,100}。其中，“pn”是分页变量名，这个可以通过在浏览时“新闻列表”时对其进行翻页并观察得出。如果“pn=1”就表示第1页，“pn=2”表示第2页，以此类推。我们为“pn”指定一个变量值：{1,100}，就表示将要采集1到100页。这种分页变量格式是我们软件定义的，可以通过点击“插入”按钮插入预置分页变量。

第三步：导航规则

因为该任务有两层，所以需要建两条“导航规则”，分别命名为：“新闻列表”和“新闻内容”。我们需要从“新闻列表”提取“新闻内容”的网址，以实现导航。因此，设“新闻列表”为“中间层”，并填写“下一层网址模板”以提取网址。而“新闻内容”只需选中“最终页面”，然后保存即可。

那如何确定“新闻列表”的“下一层网址模板”呢？请看下图。

通过查看“新闻列表”的源文件，我们可以找出“新闻内容”的网址，即黄色部分所示。我们把网址中的变量部分替换成“*”（通配符），便是“下一层网址模板”，即：http://www16.zzu.edu.cn/msgs/vmsgisapi.dll/onemsg?msgid=* 。这样，我们在提取时就有了一个依据：只提取匹配模板的网址，而跳过其它网址。

“导航规则”最终设置如下：

第四步：采集规则

通过“导航规则”我们一路走到了“最终页面”，也就是“新闻内容”，接下来就需要根据“采集规则”采集所需内容了。如上图所示，一条“采集规则”对应一个数据库字段，也就是一种信息类型，如：标题、发布者、供稿人、内容等。“数据库字段”可以不填，默认为其规则名称。而“所属层次”为跨层采集功能，本示例用不到，保持默认即可。

下面就是最重要的：“信息前标志”和“信息后标志”，软件通过在源文件中查找“前后标志”来定位要采集的信息。那么如何取得信息的前后标志呢？请看下图。

如图所示，“红色部分”表示信息的前标志，而“黄色部分”为后标志，被夹在中间的“蓝色部分”就是我们需要采集的内容。依次为：“标题”、“发布者”、“供稿人”、“发布日期”、“阅读次数”、“内容”。

“采集规则”最终设置如下：

注意：

1、如果使用“前后标志”采集信息，必须与“网页源文件”中出现的顺序一致。

2、一条“采集规则”应用后，会将“采集内容”的尾部作为“当前位置”，然后从“当前位置”查找下一条“采集规则”的“信息前标志”。

3、如果选中了“全局规则”、“静态规则”，则再不受“当前位置”影响。

第五步：采集结果

如图所示，我们不在这里做任何设置，采集后直接将结果导出即可。