我的采集小程序配置篇

前不久把自己无聊时候写的采集程序贡献了出来，没想到反响还不错，不过可能我写的不是很清楚，让大家在采集中遇到了各类问题，这次说一下如何来配置采集项目，以及如何采集入库等。请到“MyCollection 程序 F＆Q”，我会回答采集程序的相关问题。

如果你第一次看，可以先看下“ 自己做的一个小程序 可采集、导出、模板、配置 ”

 

程序做的很简单，配置也都是按照以往看到的一些采集程序结合自己的需求来做的，配置方面分为了：程序配置和采集项目配置。

程序配置只是简单的一些系统需求参数，点击设置采集参数，会弹出如下设置项：

（刚发觉Form Title都没有改过。。。哈哈）

分别说说

图片保存地址：采集过程中目标网站的采集到的缩略图（我这里是商品的缩略图）目录

数据导出地址：选中项目的导出文件地址（也就是把采集的数据转换成淘宝助手所支持的格式，然后保存到此设置目录，文件名为：项目名 ＋ “.cvs”）

宝贝模板地址：简单来说就是一个页面的模板，你可以设置空模板，也可以弄的漂亮点，套上去，页面的例子忘记了，大家可以看代码，也就replace XX的，没什么大花头。

程序配置就这些，非常简单，接下来重点说下采集项目的配置。

点击添加采集项目，进入到配置窗口：

 

大大一个框，Title 和 按钮文本都没有修改，惭愧惭愧。我们分拆开来说，同时举例说明一下：

项目名称：XXXX  显示在列表中的名称，生成文件会按项目名称来。这里以http://movie.taogame.com/List.asp?ClassId=2为例（我自己的电影站，免费的哦）

列表页配置：

地址：列表页地址（也就是采集的入口点） 这里输入：http://movie.taogame.com/List.asp?ClassId=2

    UTF8：如果是UTF8编码的，请勾选此框，默认为GB2312 因为范例页面为GB2312，所有不勾选

    列表开始 ＆ 列表结束 ： 确定一个区域出来，至少里面包含了你要采集的内容链接列表。

    右键－查看源代码，找到相应的列表开始处＆结尾处

    开始处：

   

    结尾处：

   

    范围大小没有关系，不过一定要唯一，这样才能采集到。此例中填写如下：

列表开始：

 

<h3>当前位置：<span><a href=”/”>首页</a> >> 综艺片</span></h3> 

    <ul> 
    <li>

 

 

    这里请注意，不要去掉换行、空格等，否则不能匹配到。

    还有要注意，单引号、双引号都需要的。

列表结束：

 

</ul> 
    </div> 
    <div id="page" class="bord mtop">共110页 1309部 页次:1/110页 首页 上一页

 

 

链接开始＆结束：因为链接会有很多项，所以我们先前确定了区域，那样可以更好的匹配链接。配置链接的时候，要注意，采集到的链接一定不要重复，因为在列表中，可能一个链接会重复几次，我们只需要一次。

本例中，相关代码：

链接开始：

<li><a href="

链接结束：

" class="img"

 

 

后面的配置，其实跟列表页都一样，只要唯一匹配就可以，当然，因为是内容页配置，你必须先打开一个内容页，查看源代码，然后再进行配置，本例中：

<title>

标题开始

</title>

标题结束

<div class="bord mtop">

介绍开始

</div>

       <div class="bord mtop cen con">

介绍结束

img class="img" src="

图片开始

" alt="

图片结束

<meta http-equiv="Content-Type" content="text/html; charset=gb

价格开始（因为这是电影，没有价格，所以我随便设的，程序没有容错机制，为了演示，随便找了个数字）

" />

价格结束

 

好了，都配置完以后，点击那个开始采集（其实应该是保存设置），到主窗口后，请选中此采集项目，然后点击开始采集：

 

好了，如果配置正确的话，采集将顺利进行，查看一下结果画面：

 

就这么简单，配置完成了，接下来看看数据吧。点击“显示项目数据”按钮（请注意，一定要在GridView中选中项），如图：

看看我们的详细内容采集如何：

 

Ok，比较顺利，不过介绍好像多了点内容，这个大家可以自己进行配置一下：）

说的比较乱，不过很简单的，相信大家肯定会明白的，不明白的请到“ MyCollection 程序 F＆Q ”，我会为大家解答。

 

广告时间：

 

淘游电影网－高清、多格式、多选择、无广告的电影网

地址：http://movie.taogame.com

 

 

程序的思路：现在的网站，大多都是列表 －> 内容 （文章、下载、商品）这种形式，所以采用列表页作为采集入口，随后使用了唯一匹配和正则匹配，把要采集数据的链接一一获取，通过Foreach方式，进行单独采集。内容页也通过唯一匹配进行属性赋值，然后存入数据库。

简单的思路，也没什么复杂，目前不支持分页，不支持很多东西，大家可以一起来扩展一下，我准备放到CodePlex中玩玩。

PS：这个采集的小程序，我决定重新写一遍，利用现在学到的来实践一下，想用WPF，用了一半发觉自己的艺术细胞实在太差了，用和不用一个样。。。傻了傻了。

PS2：上周六写的关于dynamic的东东，写的太烂了，米什么人看，原本打算可以使用dynamic来动态加载类型，深入后，发觉好像很难做到，现在有点僵了。