用火車頭采集百度知道的方法

時(shí)間：2022-07-23 11:30:01 | 來源：建站知識(shí)

時(shí)間：2022-07-23 11:30:01 來源：建站知識(shí)

上星期百度姐講了自己提高百度文庫通過率的幾點(diǎn)方法(百度姐：如何提高百度文庫通過率)，當(dāng)時(shí)也有說到要把百度知道火車頭采集方法告訴大家，今天就講講百度知道的采集方法。

第一步：下載百度知道的規(guī)則。

百度知道的規(guī)則下載：

火車頭規(guī)則的卷寫需要看到頁面程序，現(xiàn)在就不講怎么寫采集規(guī)則了，百度姐直接把自己寫的規(guī)則放出來，大家可以直接下載，導(dǎo)入到火車頭里面就可以使用了。

百度姐的這個(gè)規(guī)則是搜索“祛斑”關(guān)鍵詞的一個(gè)規(guī)則。如果大家需要采集其他關(guān)鍵詞的百度知道，可以相應(yīng)修改一下就ok了。

第二步：下載火車頭。

大家可以上網(wǎng)上下載也可以用百度姐已經(jīng)下載好的，百度姐使用的是火車采集器8.0，截至到現(xiàn)在應(yīng)該算最高版本了，百度姐用的是免費(fèi)版本的，所以有限功能會(huì)有現(xiàn)在，但是免費(fèi)版本的采集內(nèi)容到本地服務(wù)器還是可以的。貌似沒有發(fā)布功能。

火車采集器8.0下載：

第三步：安裝火車采集器8.0。

下載了火車采集器8.0之后，直接解壓就可以使用了。打開解壓的文件夾，點(diǎn)擊LocoyPlatform文件就可以了。

第四步：導(dǎo)入百度知道采集規(guī)則。

先創(chuàng)建一個(gè)分組，隨便命名，方便自己以后查找使用。百度姐創(chuàng)建了一個(gè)百度知道的分組。如圖：

選擇我們剛剛創(chuàng)建的百度知道分組，點(diǎn)擊右鍵，選擇導(dǎo)入任務(wù)至該組。點(diǎn)擊確定。如圖：

第五步：開始采集。

選擇剛剛導(dǎo)入的祛斑百度知道規(guī)則，勾選采網(wǎng)址、 采內(nèi)容和發(fā)布(發(fā)布功能貌似免費(fèi)版本沒有此功能)。

極度條到頭就采集成功。如下圖，這次總共是采集了355條。這個(gè)百度知道可以每天都采集，因?yàn)榘俣戎烂刻於紩?huì)更新。

第六步：本地?cái)?shù)據(jù)。

選擇任務(wù)(就是剛剛上傳的祛斑規(guī)則)，右鍵選擇編輯任務(wù)，百度姐給大家詳細(xì)介紹一下這個(gè)規(guī)則的幾個(gè)重要的東西。如下圖：

1.第一步采集網(wǎng)站規(guī)則：這一步主要是抓起百度知道列表頁中的網(wǎng)址，百度知道每頁10篇網(wǎng)址。

A.選擇起始網(wǎng)址，在選擇修改，就可以修改采集其他關(guān)鍵詞百度知道了。這個(gè)可能有些復(fù)雜，等過段時(shí)間，百度姐詳細(xì)截圖演示一下。

B.勾選檢測重復(fù)網(wǎng)址。那么第二次采集的時(shí)候就不會(huì)重新采集之前已經(jīng)采集過了的網(wǎng)址。

C.測試網(wǎng)址。在沒有開始采集或者采集出現(xiàn)錯(cuò)誤的時(shí)候，可以先測試是否是網(wǎng)址抓起失敗。出現(xiàn)前面的加號(hào)，就代表第一步網(wǎng)址抓起沒有出現(xiàn)問題。

2.第二布：采集內(nèi)容規(guī)則。

A、百度姐這邊的百度知道規(guī)則只抓取問題(問題標(biāo)簽)，最佳答案(問題1標(biāo)簽)和第二個(gè)答案(問題2標(biāo)簽)，如果大家需要抓抓取第三個(gè)答案，就必須添加問題3的標(biāo)簽，需要查看頁面代碼，找出此答案前后唯一的代碼才可以。這塊百度姐以后花時(shí)間詳細(xì)寫一下。

B、典型頁面。這邊可以找一個(gè)知道的內(nèi)容頁，有最佳答案和第二個(gè)答案的，點(diǎn)擊測試，就可以看到此網(wǎng)頁采集到的內(nèi)容。如果沒有最佳答案，問題1的部分是空白的。第二個(gè)答案也是一樣的，如果頁面中沒有第二個(gè)答案，那么這個(gè)采集到的問題2的部分就是空白的。

C、如果百度知道采集太多，會(huì)出現(xiàn)采集不到內(nèi)容的問題，如下圖1，這是因?yàn)榘俣裙俜较拗?。所以采集的時(shí)候不要頻繁采集。把網(wǎng)址放瀏覽器打開就如圖2，如果條件允許，可以買個(gè)vpn更換ip，就可以繼續(xù)使用了。

圖1：

圖2：

3.第三步：發(fā)布內(nèi)容設(shè)置。

A、看截圖紅框的部分，設(shè)置好路徑，采集成功后，直接找到文件打開就可以了。

B、如果打不開，大家可以現(xiàn)在數(shù)據(jù)庫軟件Access安裝，在打開。百度姐用的是Access2003，提供下載地址。

Access2003下載地址：

今天就說到這里吧，微信上有朋友跟我要火車頭百度知道的采集規(guī)則，如果有想要的朋友可以微信百度姐：baidujie。如果不出意外的話，下次博文會(huì)放出來，會(huì)更細(xì)節(jié)一些，大家感興趣的可以把百度姐的博客收藏到瀏覽器收藏夾，百度姐每周最少周二會(huì)更新。百度姐感激大家的關(guān)注!

原創(chuàng)地址：