火車采集器V7正式版新版本對(duì)程序進(jìn)行了完全的重構(gòu)，是一個(gè)全新的采集平臺(tái)。火車頭采集器v7.6企業(yè)版包含了數(shù)據(jù)采集最常用的計(jì)劃任務(wù)，數(shù)據(jù)發(fā)布，正文識(shí)別、OCR圖形圖像識(shí)別，采集入庫(kù)等模塊，可以支持其它采集軟件快速穩(wěn)定在平臺(tái)上使用。 

火車采集器的產(chǎn)品特點(diǎn)：

1、無(wú)限級(jí)多頁(yè)采集，可以實(shí)現(xiàn)無(wú)限深度的采集

2、任務(wù)隊(duì)列運(yùn)行管理，支持Cron表達(dá)式

3、無(wú)限級(jí)分組任務(wù)管理，任務(wù)回收站功能

4、RSS地址采集功能

5、列表頁(yè)分頁(yè)采集獲取功能

6、列表頁(yè)附加參數(shù)獲取功能

7、列表頁(yè)及標(biāo)簽XPath可視化提取功能

8、標(biāo)簽純正則替換功能

9、Http接口查看運(yùn)行情況

10、導(dǎo)出記錄為單個(gè)或多個(gè)Txt、html 文件

11、標(biāo)簽間自由組合功能

12、針對(duì)標(biāo)簽內(nèi)容繼續(xù)發(fā)送Http請(qǐng)求功能

13、無(wú)限級(jí)列表網(wǎng)址采集

14、從Http頭信息中獲取數(shù)據(jù)

15、標(biāo)題內(nèi)容正文提取功能

16、Aspx列表分頁(yè)自識(shí)別

17、多網(wǎng)站站群式web發(fā)布

18、導(dǎo)出記錄為Word格式

19、導(dǎo)出所有記錄為Excel格式

20、使用隨機(jī)二級(jí)代理服務(wù)器(支持Socket代理)

21、多擴(kuò)展間數(shù)據(jù)交換功能

22、下載的圖片自動(dòng)加增強(qiáng)型水印功能

23、Ocr識(shí)別(圖片轉(zhuǎn)化為文字)

24、Http接口管理采集器運(yùn)行

25、Mongodb數(shù)據(jù)庫(kù)保存數(shù)據(jù)

26、主從服務(wù)器分布式采集

更新日志

火車采集器v7.6綠色正式版更新列表：

1、gif的圖片不再加水印，修復(fù)加水印文字時(shí)沒有判斷加水印條件的問題；

2、增加了迅雷快傳,YunFile,千腦,金山網(wǎng)盤文件上傳功能；

3、增加了用戶可以選擇刪除記錄時(shí)是否刪除下載文件的選項(xiàng)；

4、增加了日志記錄，通過上傳文件功能；

5、增加了批量導(dǎo)入數(shù)據(jù)導(dǎo)入網(wǎng)址功能；

6、添加了發(fā)布時(shí)使用代理功能；

7、修復(fù)當(dāng)使用一般采一邊發(fā)方式時(shí)保存為本地excel不起作用的bug；

8、文件保存格式中支持[標(biāo)簽:ID],可以將記錄的id做為目錄的一部分了；

9、處理了一個(gè)將$編碼錯(cuò)誤的問題；

10、增加若干個(gè)錯(cuò)誤檢查，防止采集器退出；

11、更換漢字轉(zhuǎn)拼音詞庫(kù)，漢字增加到1萬(wàn)8；

12、更新自動(dòng)補(bǔ)全鏈接中迅雷地址補(bǔ)全不對(duì)的問題。

軟件安裝使用說明：

火車頭采集平臺(tái)定義了統(tǒng)一的接口規(guī)范并提供了大量的api,用戶可以很方便的開發(fā)自己的應(yīng)用并在該平臺(tái)上運(yùn)行，可以減少開發(fā)上時(shí)間和成本。目前平臺(tái)上有官方自帶火車采集器。

此軟件版本為火車采集器v7.7綠色正式版，軟件下載后直接解壓即可。注意：軟件運(yùn)行時(shí)，要有.net2.0框架，vista及win7系統(tǒng)用戶可能會(huì)提示請(qǐng)求管理員權(quán)限，請(qǐng)放行。如果沒有請(qǐng)下載！

安裝說明★★

火車頭數(shù)據(jù)采集平臺(tái)要求：您的電腦必須安裝.net framework2.0或2.0以上框架.如果您的采集器打不開，請(qǐng)下載并安裝該框架

附windows .net framework 2.0

32位下載地址

64位下載地址

升級(jí)說明

若要從3.2sp5,2008,2009或2010版直接升級(jí)到火車頭數(shù)據(jù)采集平臺(tái)最新版，請(qǐng)運(yùn)行程序目錄下的 UpdateToV7.exe,按提示進(jìn)行升級(jí)。升級(jí)程序不會(huì)對(duì)原來(lái)的數(shù)據(jù)進(jìn)行任何的修改，但為了防止用戶誤操作，請(qǐng)?jiān)谏?jí)前備份舊版本數(shù)據(jù)和配置。備份方法是將原采集器完整復(fù)制一份。

采集相關(guān)術(shù)語(yǔ)

1.采集規(guī)則

簡(jiǎn)稱規(guī)則，V7以前版本采集規(guī)則分為站點(diǎn)規(guī)則和任務(wù)規(guī)則，通常是指任務(wù)規(guī)則。V7版及以后采用無(wú)限級(jí)分組管理任務(wù)規(guī)則，所以不再有站點(diǎn)規(guī)則的概念。所謂采集規(guī)則就是要采集一個(gè)網(wǎng)站或某一網(wǎng)站欄目網(wǎng)頁(yè)需要在軟件里進(jìn)行的設(shè)置。這個(gè)設(shè)置可以從軟件里導(dǎo)出保存成一個(gè)文件并可以再導(dǎo)入到軟件里。V7版的任務(wù)規(guī)則文件后綴名為.ljobx,以前的站點(diǎn)規(guī)則文件的后綴名為：.lsite；任務(wù)規(guī)則文件的后綴名為：.ljob。

2.采集任務(wù)

采集任務(wù)又簡(jiǎn)稱為任務(wù)。它是采集規(guī)則和發(fā)布規(guī)則的總和。也是采集規(guī)則和發(fā)布規(guī)則的載體。采集規(guī)則和發(fā)布規(guī)則的設(shè)置通過在任務(wù)編輯框里進(jìn)行設(shè)置。從采集器里導(dǎo)出的采集規(guī)則文件（.ljobx后綴的）也可稱為任務(wù)規(guī)則。導(dǎo)入導(dǎo)出任務(wù)規(guī)則就是指導(dǎo)入導(dǎo)出.ljobx文件。

3.發(fā)布模塊

發(fā)布模塊又稱模塊、發(fā)布規(guī)則，分為WEB發(fā)布模塊和數(shù)據(jù)庫(kù)發(fā)布模塊。所謂發(fā)布模塊就是在需要將已經(jīng)采集的數(shù)據(jù)發(fā)布到目的地(比如：網(wǎng)站/后臺(tái)中或指定數(shù)據(jù)庫(kù)中）時(shí)在軟件里進(jìn)行的設(shè)置。這個(gè)設(shè)置可以保存成一個(gè)文件并可以導(dǎo)入到采集器里使用。數(shù)據(jù)庫(kù)發(fā)布模塊文件的后綴名為：.dpm；WEB在線發(fā)布模塊文件的后綴名為：.wpm。（采集規(guī)則和發(fā)布模塊都可以從采集器里導(dǎo)出，也都可以導(dǎo)入到采集器中使用。采集規(guī)則負(fù)責(zé)將網(wǎng)頁(yè)上的數(shù)據(jù)采集下來(lái)，發(fā)布模塊負(fù)責(zé)將采集的數(shù)據(jù)發(fā)布到網(wǎng)站中。可見，采集規(guī)則的編寫和修改和被采集的網(wǎng)站有關(guān)系，而發(fā)布模塊的編寫和修改和要發(fā)布數(shù)據(jù)的網(wǎng)站有關(guān)系。如從不同的網(wǎng)站欄目采集數(shù)據(jù)往同一個(gè)網(wǎng)站的某個(gè)板塊（頻道）里發(fā)布，需要多個(gè)采集規(guī)則和一個(gè)發(fā)布模塊。從一個(gè)網(wǎng)站欄目采集數(shù)據(jù)往不同的網(wǎng)站系統(tǒng)里發(fā)布，需要一個(gè)采集規(guī)則和多個(gè)發(fā)布模塊。注意這里的說的采集規(guī)則是指采集網(wǎng)站和抓取內(nèi)容的設(shè)置。）