【技术分享】个人站长如何批量采集文章?火车头采集器使用详细教程

个人站长如何批量采集文章?火车头采集器使用详细教程

已经很久没有使用火车头采集器了。想起第一次研究火车头采集还是刚毕业做外推那会儿，经常会登陆火车头采集器去采集各大相关网站的相关内容。而且那个时候采集之风盛行，到处是各种采集站，尤其是小说站、文章站等，动不动就是采集数十万的文章，网站做到权重 4 那是轻而易举。虽然现在大部分网站很少采集了，但采集还是无处不在，因为一些所谓的原创站点，文章内容很有可能也是采集之后再进行加工制作而成的。所以掌握一种采集技巧对个人站长而言还是很有帮助的。下面沃森博客分享的便是火车头采集器使用教程，供新手个人站长们参考。

火车头采集器网址规则设置

第一步、打开火车头采集器，点击【新建】创建一个新任务，填写一个任务名，设置采集网址规则，分别设置列表页采集规则和列表页所在的文章页规则，分为以下两个步骤。

步骤 1：添加起始网址，点击【添加】，选择批量/多页，在地址格式设置需要采集的网页链接，点击【添加】和【完成】即可。此步骤目的是确立有多少个栏目分页链接。

采集网页链接技巧说明：首先确定要采集的网页栏目页，分别查看栏目分页 1、分页 2 和分页 3 链接规律，对比后会发现分页 2 和分页 3 链接很像，只有 2 和 3 变化了(分页 1 其实也是如此，为了 SEO 格式一般做了隐藏，所以分页 1 和栏目首页链接一致)可以分析是按照等差数列排列，其实绝大多数的网站栏目页分页都是等差数列来排列的，包括尹华峰博客也是如此。因此，在填写规则是选择等差数列，在地址格式处填写分页 2 的链接，将变化的数字用(*)代替，根据栏目分页的多少设置项数即可。

步骤 2：多级网址获取，点击【添加】，选择网址获取选项，添加提取网址的规则，使用熟练后建议使用结果网址过滤功能，将需要包含的网址和不必包含的网址写进去，可以测试一下规则是否填写正确，然后保存即可。此步骤目的是确立每个栏目下的文章页链接。

多级网址获取技巧说明：我们要获取的是该栏目下的文章页链接，去原网页查看栏目分页的源代码，在该源码页找到第一篇文章页链接的位置，然后在上面选取一小段通用代码，一定是每个栏目页都会出现的代码，通常的表现形式会带有 list 或者 article 的代码。

火车头采集器内容规则设置

第二步、设置采集内容规则，可以在典型页面处填写一篇文章页链接进行测试，分别设置标题采集规则和内容采集规则，也分为两个步骤。

步骤 a：双击【标题】标签，一般网页的标题是<title>标签，所以这一步可以默认，如果有需要的话是可以设置内容过滤，以及内容替换的。

步骤 b：双击【内容】标签，内容提取规则和第一步的步骤 2 多级网址获取方法是一样的。这里是获取内容，所以是查看内容页的源代码，在该页面找到正文内容，在正文首段上面截取一小段通用代码，该代码也是所有文章页都会出现的，通常的表现形式是 article 标签为起始，</article>为结束。同样也可以设置内容过滤、内容替换以及标签过滤等，将不需要的信息过滤掉。如不需要图片，可以勾选过滤掉 img 图片标签。

 

火车头采集器发布内容设置

第三步、发布内容设置，勾选需要启用的发布方式，保存即可，然后在任务列表处右键任务名，点击【开始任务】等待采集完成。

注，火车头采集器发布内容分为两个方式，方式一是 web 在线发布到网站，需要添加发布配置。新手不建议直接发布到网站，建议勾选第二个保存为本地。至于文件模板可以【查看默认模板】，然后选择 TXT 格式即可。

 

结语：火车头采集器功能十分强大，除了采集文章还可以采集视频等，火车头采集器使用规则并不难，根本不需要懂什么编程之类的语言，只需能看懂一些常用的简单代码即可，操作一两次基本可以完全掌握，是一款非常棒的 SEO 工具。