火车头采集器 v9.5免费版

火车采集器是一款功能强大、实用性强、并且可以用来批量采集网页的数据采集器。火车采集器可以直接保存到数据库或发布到网站，火车采集器可以根据用户设定的规则自动采集原网页，获取格式网页中需要的内容，现在发展成也可以对数据进行处理,以及seo优化的工具。火车头采集器它能够快速的对网页上数据信息进行规范性的采集，包括文本、图片、文件等信息。软件拥有强大的采集功能，能够采集那些需要登陆才能查看的内容信息，能够解析文件真实地址并且下载，然后通过一系列的分析处理，准确挖掘出所需数据，并可以选择发布到网站后台、导入数据库或者保存在本地Excel，Word等格式的文件中。火车采集器支持采集数据直接入库和模仿手工发布等许多功能特点，可以完成您在浏览器内能看到的各类信息的提取。火车采集器凭借支持远程下载图片文件，支持网站登陆后的信息采集，支持探测文件真实地址，支持代理，支持防盗链的采集，支持采集数据直接入库和模仿人手工发布等许多功能特点，历经十年的升级更新，积累了大量用户和良好口碑，是目前最受欢迎的网页数据采集软件。是不是心动了呢，那还犹豫什么，赶快跟我一起下载吧。

安装教程

1、打开hccjq.exe软件
2、开始火车采集器安装向导，下一步

3、接受安装协议，我同意

4、安装软件位置放置d磁盘，(修改磁盘选项，点击浏览按钮,并点击安装按钮<
img src="/uppic/170804/201708041352056602.jpg" alt="" />
5、加载软件程序，完成安装，退出程序

软件特点

1、分布式高速采集
任务分配至多个客户端，同时运行采集，效率倍增。
2、多识别系统
配备正文识别、中文分词识别、任意编码识别等多种识别系统，智能识别操作更轻松。
3、可选验证方式
可选择是否使用加密狗，随时保障数据安全。
4、全自动运行
无需人工值守操作，任务完成后自动关机。
5、替换功能
同义，近义词替换、参数替换，伪原创必备技能。
6、任意文件格式下载
图片、压缩文件、视频等任意格式的文件都能轻松下载。
7、采集监控系统
实时监控采集，确保数据的准确性。
8、支持多数据库
支持Access/MySQL/MsSQL/Sqlite/Oracle多种类型的数据库保存及发布。
9、无限级多页采集
支持包含ajax请求数据在内的多个页面信息的无限级采集。
10、支持扩展
支持接口和插件扩展，满足各种采发需求。

功能特色

1、网址采集
火车采集器可以通过网址采集规则的设定，快速采集到所需的网址信息。可手动输入、批量添加或直接从文本导入网址，并能自动筛选去除重复的网址信息。
支持多级页面网址的采集，多级网址采集可以使用页面分析自动得到地址、手动填写规则两种方式。应对多级分页中内容不同，但地址相同的页面网址采集，火车采集器设置了 GET，POST 和 ASPXPOST 三种 HTTP 请求方式。
火车采集器支持网址采集测试，可以验证操作的正确性，避免操作有误导致采集结果不准确
2、内容采集
火车采集器可以通过分析网页源代码，设定内容采集规则，精准采集到网页中散乱分布的内容数据，并支持多级多页等复杂页面中的内容采集。
通过定义标签，能够将数据进行分类采集，比如将文章内容的标题与正文分开采集。火车采集器配置了三种内容提取的方式：前后截取、正则提取、正文提取。可选性强，用户可以按照使用需求进行选择。
内容采集同样支持测试功能，可选用一个典型页面来测试内容采集的正确性，以便及时更正和进行下一步数据处理。
3、数据处理
对于采集到的信息数据，火车采集器可以对其进行一系列的智能处理，使采集到的数据更加符合我们的使用标准。主要包括：
1）标签过滤：过滤掉内容中不需要的空格，链接等标签；2）替换：支持近义、同义词替换；
3）数据转换：支持汉译英、简转繁、转换为拼音等；
4）自动摘要、自动分词：支持自动生成摘要和自动分词功能；
5）下载选项：火车采集器支持任意格式的文件探测下载，并能够将相对地址智能补全为绝对地址。

4、数据发布
火车采集器将数据采集下来后默认将数据保存在本地数据库（sqlite、mysql、sqlserver），用户可以根据自己的需求选择对数据的后续操作以完成数据发布，支持直接查看数据、在线发布数据和入数据库，并支持用户进行发布接口的使用和开发。
根据数据库类型用相关软件打开可以直接查看数据，配置一个发布模块即可将数据在线发布到网站，可以设置自动登陆网站，获取栏目列表等；如果入到用户自己的数据库中，用户只需写几个 SQL 语句，程序就会按照用户的 SQL 语句导入数据；保存为本地文件时支持本地 SQL 或文本文件（word、excel、html,txt）格式。
5、多任务多线程运行
火车采集器可以选择同时运行多个任务，支持不同网站或同一站点下不同栏目的内容同时采集，能够有计划的调度任务。单个任务在采集内容和发布内容时均可以使用多线程运行，提升运行效率。
6、HTTP 二级代理服务器
火车采集器可以通过二级代理服务器的功能实现 IP 的更换，避免因 IP 被限制访问而导致的采集无法运行，用户需先获取一些代理 IP，然后将代理 IP 导入采集器中完成设置即可。
7、计划任务管理器
火车采集器支持计划任务管理，能够定时自动地进行采集发布，实现自动更新的功能，可对加入计划任务内的任务设置其执行的频率和开始运行的时间，执行频率可以选择每周、每天、每间隔，或根据用户需求自定义 corn 表达式执行。
8、任务运行日志管理
火车采集器配置了采集监控系统，任务运行管理器将采集监控模块生成的记录信息组装成日志条目，如果启用了自动运行功能或需要对程序运行状况进行监控，可以查看任务运行日志中某个日期时间段内的运行情况，来做具体的分析。
可以具体了解到任务的成功数量、失败数量，重复数量和用时等数据。
9、插件扩展
火车采集器支持 PHP 和 C#插件扩展，可以帮助用户对采集的数据进行修改处理，完成用户的更多需求，极大的扩展了采集器的功能。用户可以按照插件开发手册自行开发所需插件，也可以使用火车采集器官方开发的一些插件资源。
火车采集器中配置了插件管理器，可对插件列表进行管理和选择插件方法，支持插件测试。

使用教程

火车头采集器是一个供各大主流文章系统，论坛系统等使用的多线程内容采集发布程序，软件包中包含有详尽的“火车采集器白皮书”以及使用教程，为了方便介绍，小编这里以采集文章标题为例说明其基本用法：
1、采集网址规则，点击添加
2、选择【批量/多页】，添加有规则的网址，输入首项和页数。点击【添加】完成
3、采集内容规则
双击【标题】，弹出标题编辑框
4、提取方式一般为【前后截取】，通过观察源代码，填写开始字符串和结束字符串
5、添加【html标签排除】【内容添加前后缀】，点击确定就可。
6、发布内容设置。启用方式二来保存采集结果。
文件名格式可以根据自己喜好，任意选择。
文件模板选择，火车头给出的几个默认模板。一般默认为txt,csv,html,excel格式。可以根据自己的喜好来选择模板。
7、设定好之后，保存即可。这时，采集规则已经设定完毕。执行即可得所需要的结果。

更新日志

火车头采集器9.5更新
1、调整列表页排重的方式，现在仅会在同级列表页之间进行排重。
2、增加对于任务运行完毕之后的运行统计的预警功能（Email邮件预警）【旗舰版功能】 。
3、新增支持对于一些请求返回码不为200时，仍然进行采集的配置。
4、新增支持将下载地址保存为html文件的功能。
5、二次代理服务，增加导入的时候配置代理类型，同时修复对于用户名密码的显示错误问题。
6、发布配置页面，默认仅显示当前选择配置，加快任务加载时间。
7、修复命令行控制，closeapp参数无法自动关闭程序的问题。
8、修复在未选择图片水印时，无法进行图片剪裁的问题。
9、优化开始界面加载方式，解决初始化界面卡顿的问题。
10、修复在配置多行连接符包含“|”导致的无法探测图片下载的问题。
11、修复Excel导出数据时，列的顺序与字段顺序不一致的问题。
12、修复Excel导出数据时，一些包含数字的字段的导出数据错误问题。
13、修复任务批量编辑时，Json采集表达式未能复制的问题。