火车采集器（LocoySpider）是一款信息开掘软件，把握根本用法就能够很容易从网页中抓取图片&文本，通过cms模板参数，自定义采集参数内容，它能采集信息内容并且反对在线公布，这不，搭建一个漫画网站，就容易多啦
版本
我所应用的是火车采集器7.6企业破解版
性能简略介绍
1.多任务、多线程
2.数据在采集时主动保留到关系数据库中，数据结构主动调整。
3.信息收集工作能够在进行后持续从断点收集信息。
4.反对网站cookie，反对网站可视化登录
5.将采集到的二进制文件(如图片、音乐、软件、文档等)下载到本地
6.能够依据规定用定义的内容替换收集的后果。
7.软件可依据用户设置和理论状况主动删除反复内容和反复网址。
8.通过定义的接口，将收集到的后果数据公布到任何内容管理系统和指定的数据库。
开始吧
指标采集漫画网站
我这里采集的是国漫网站：满客栈
抉择它的起因是因为好采集，找了这么多网站就它好采，没有分页，没有Ajax，没有麻烦的采集规定 对萌新来说真的十分敌对
关上软件
当你下载好软件，也解压好了，发现找不到火车头采集器.exe，那是因为它叫LocopyPlaform.exe，不要傻乎乎的认为下错货色了，的确没有下错货色，还是找不到LocopyPlaform.exe，那就看看你解压的时候，是不是被防火墙给拐走了
新建工作
测试文件下新建了一个名为满客栈的工作
写规定
这里分为四个局部：
- 采集网址
- 采集内容
- 公布内容
- 高级设置
采集网址规定
点进工作，在起始网址栏目抉择增加选项，如图示：
依据步骤2，填写你所要采集的起始网址
起始网址：
也就是所说的大页面，啥是大页面。比方说，我这里的起始网址是https://www.mkzhan.com/category/（分类页面）
在这一个网址中，外面蕴含了很多漫画内容，每一部漫画外面又有单独的页面，一个总览的页面涵盖很多所属内容，我将它定义为大页面。
然而你能够发现实际上我写的是这个网址：
https://www.mkzhan.com/catego...*
采集漫画可不止一个页面吧，只采集一个页面，那多没劲啊。你试试按下翻页按钮，翻页的时候发现网址除了page前面的数字有变动，其余都没变，这种有法则的变动，你不必批改过多的货色，只须要将数字用通配符*通配一下，就能够采取多个页面
我这里设置的是5页，所以预览外面呈现了5个页面网址，按你需要设置多少页，然而测试后期最好页数越少越好，不然测试过程很煎熬（次要是慢）
多级网址获取
点击增加
进入之后抉择手动填写链接地址规定
- 脚本规定
这里写的脚本规定，应该要跑回去你的大页面（起始网址），外面有很多部漫画内容，这里咱们只抉择其中一部就好了
鼠标指向漫画名，右键点击检索，就会弹出网页元素（如下图）
咱们要的就是外面的href="/209596/",要精准定位想要获取的内容，所以把整一个p标签给复制过来了
因为我只须要href外面的内容，所以将无关紧要的内容用通配符通配掉（这里统配了漫画名：圣祖）
把须要的内容用参数代替，按左边的参数键
- 理论链接
当我点击圣祖这个漫画时，返回给我的url是https://www.mkzhan.com/209596/，那么我想得到更多漫画的url地址，就把方才获取的参数替换掉209596这个href
所以最初写上的理论地址是：https://www.mkzhan.com/【参数1】/
这里的参数是和下面规定的参数是一一对应的
- 测试一下
这就显示，你曾经采集到每一部漫画的url了（如果不确定本人采集到的url是否正确，把它复制过来看看网页能不能关上，能关上那就是胜利了）
采集内容规定
这里小浣熊cms官网手册传送门
参照手册的火车头api来写表单字段
先黏贴须要用到手册的内容，如下：（详情还是请你看手册）
- 采集api地址示例：域名/api.php/postbot/save。
- 申请形式：post
- 表单字段及阐明：
- book_name 漫画名
- nick_name 漫画别名
- tags 分类，多个分类用|隔开
- author 作者名字
- end 状态，1代表完结，0代表连载中
- cover_url 封面图近程地址
- chapter_name 章节名
- area_id 地区id
- images 由图片标签组成的字符串，示例：
<img src="http://www.m.com/1.jpg"><img src="http://www.m.com/2.jpg"><img src="http://www.m.com/3.jpg">- chapter_order 章节序
- summary 漫画简介
- api_key 后盾配置的api_key
- src 用来区别采集源，本人写
- src_url 用来惟一定义每个漫画，能够是该漫画的url，也能够是该漫画在被采集站的id
- c_src_url 用来惟一定义每个章节，与src_url同理
哇，要写好多表单字段，好麻烦噢（小声）
漫画名字段
先来写第一个表单字段：漫画名
抉择一部漫画，进入以后漫画的url，检索漫画名，找到它的元素地位
把下面的p标签内容复制放到正则匹配内容外面，如下图
#将原先的p标签内容：<p class="comic-title j-comic-title">圣祖</p>#改为：<p class="comic-title j-comic-title">[参数]</p>多页属性：
先放测试后果：
简略解释一下多页原理（解释的很乱，可能听的一头雾水）
这里有点像回溯，以后找不到指标就返回上一层。
留神：我所填写的测试url是：https://www.mkzhan.com/209596...
这个页面所展现的是漫画每一话中的页面（含漫画注释的），而漫画名所属的url是：https://www.mkzhan.com/209596/
也就是说，火车采集器是从https://www.mkzhan.com/209596...这个url开始采集的，如果找不到指标字段，就会返回到https://www.mkzhan.com/209596/这个这个url持续寻找指标字段
多页设置
新建多页治理，同样是用正则匹配，留神一点是，在https://www.mkzhan.com/209596...页面检索章节的href
#检索到的内容：<h1 class="comic-title"><a class="last-crumb" href="/209596/504742.html">序章</a></h1>#批改后：<h1 class="comic-title"><a class="last-crumb" href="/[参数]/[参数].html">(*)</a></h1>#组合后果：https://www.mkzhan.com/[参数1]这样多页就做好了
对，没错。看着手册有这么多字段，你都要一一一一写进去，不过如果你只是纯属玩玩，有些字段能够不写进去，然而别自定义新增字段，我用的这个cms版本还不反对自定义字段，不然到时候你死活公布不胜利
因为很多操作都是雷同的，会一个，根本剩下的都能够自行搞定，我这里就挑几个来写，要全写，啊，打咩
我挑tags，end和images
tags字段
手册要求：
tags 分类，多个分类用|隔开
依照之前采集的办法，失去的后果是这样的：
齐全不合乎官网的要求，这里只需做一点批改即可
在以后字段下，按增加按钮，抉择内容替换选项，将空格符改为|就好了
end字段
end字段要求：1代表完结，0代表连载中
解决问题，用替换内容就好了，把采集到的关键字，如”完结“，”连载中“，”已完结“，”未完结“，替换成对应的1和0
具体操作还是和tags分类操作类似，这里就不赘述了
images字段
images字段要求，将采集到的图集链接作进一步批改，改成这样：
<img src="http://www.m.com/1.jpg"><img src="http://www.m.com/2.jpg"><img src="http://www.m.com/3.jpg">然而！！！
这是一个微小的坑！我以后应用的5.0版本就是这个坑！搞得我前面公布始终不胜利！
我特意跑去看了images的对应代码，发现，改成这个样子才是正确的：
http://www.m.com/1.jpg,http://www.m.com/2.jpg,http://www.m.com/3.jpg两头用逗号分隔
等所有字段都填写好之后，接下来就是第三步分啦！
公布内容设置
首先这里须要写web公布配置，还记得官网手册的那10几个字段吗，就是让你写规定写到手软的那几个
这里又要用上它们了
再说一次（好麻烦啊！）
先放6个步骤：
新建web公布配置就不多说了，简略，第5步骤这里的地址后缀，间接复制官网的api地址下来就好
/api.php/postbot/save第6步，它来了，点击新建表单项
对着表单字段阐明来写，留神表单名千万别写错，只有一一对应了，前面公布都不是问题！
#就是这个表单名1.book_name 漫画名2.nick_name 漫画别名3.tags 分类.......写好之后保留模块
抉择你刚刚写好的web配置作为公布模块，网站根地址写你的域名地址，例如：xxx.example@example.com
抉择不须要登陆http申请选项，命名好配置名，ok，这就曾经整装待发的能够开始采集与公布了
收尾
点击开始工作
欢快的采集公布之旅就要开始啦！放着让它采集就好了，因为它采集真的十分慢十分慢，如果你想测试是否能公布胜利，把当初设置的5个翻页改为1个，尽量减少采集数量，这样它尽管是慢，然而缩小肯定的数量，还是会绝对快一些些的（bushi）
本片文章纯属是填本人挖的坑和摔过的坑，坑坑洼洼的，记录着也好，如果遇到什么新的问题，认真看官网文档，再不行，就去推敲源码。这个小浣熊cms是有官网qq群的，如果你所遇到的问题没有解决，能够到群外面去问
我过后就是不晓得哪里来的稚气，喜爱折腾，遇到困难不去问，而是去啃源码，草
哈哈哈人不知;鬼不觉又水了一篇文章，溜了溜了，有空再挖坑！