• 文章介绍
  • 评价建议
  • 软件出品的一款万能文章采集软件, 可输入关键词采集各大搜索引擎网页和新闻,也可以采集指定网站文章。

    基于自主研发的正文识别智能算法,能在互联网纷繁复杂的网页中尽可能准确地提取出正文内容。

    正文识别有自动识别(即以前的“标准”、“严格”模式)、“精确标签”、“头尾标记”。其自动识别能适应绝大多数网页的正文提取,而“精确标签”只需指定正文标签头,如“<div class="text">”,就能通吃所有网页的正文提取;头尾标记则是指定正文的开头和结尾。

    关键词采集目前支持的搜索引擎有:百度、搜狗、360、谷歌、必应、雅虎

    采集指定网站文章的功能也非常简单,只需要稍微设置(不需要复杂的规则),就能批量采集目标网站的文章了。

    因为墙的问题,要使用谷歌搜索和谷歌转译文章的功能,需要使用VPN换国外IP。

    ________________________________________________

    下面是界面组件的说明:

    采集分页:如果正文有分页显示,则自动采集分页合并

    删除链接:删除网页中锚文本的链接功能,只留下锚文本的标题

    txt 格式:保存成txt文本(自动清除HTML标签)

    调试模式:在正文的开头插入“调试模式:标题和链接”的内容,以方便进入原网页对比正文识别效果

    标题有关键词:只有标题中包含搜索关键词的网页才采集

    放弃短标题:当自动识别的标题的长度低于原始标题三分之一时,即为短标题,通常这种标题是错误的,因此可以勾选放弃它,这样就使用原始标题(此段遇到时自会理解)。

    删除外层代码:使用自动识别和精确标签时,通常都会包含<div id="mm"></div>这样的外层代码,如果不需要,那就要打勾删除。

    过滤正文:有些正文里包含了标题元素,如<h1><h2><h3>这三种需要删除,还有很多有class属性的标签也属于系统定义的非正文内容,比如 <p class="ee">推荐内容</p>,一般只要删除class代码,就能去掉绝大多数的非正文内容,然后跟着还有个例外编辑框,用于输入不能删除的class,直接填入class的值,多个值使用|隔开。

    ________________________________________________

    【精确标签】特别说明:

    请使用谷歌浏览器或傲游浏览器,鼠标右键单击正文的开始位置-审查元素,然后定位正文的代码段,将该代码段的标签头复制。

    如代码段:<div class="text">正文部分</div>,则复制<div class="text">

    多个标签可以使用“|”隔开

    ________________________________________________

    关键词采集的文章自动比对本地相同标题的文章,相似度超过60%就跳过,低于60%就自动重命名保存。

    看图,看采集时间,看功能


     

    需要软件的  可以联系站长QQ 715364

    OC共享平台----官方网址www.ocvoc.com 微信公众号ocvocc 可查询欧闪科技 本站免费资源 需要投广告,赞助的请多多支持,谢谢!
    欧闪科技---oc平台专业提供小程序源码|网站源码|Office素材|游戏服务端|棋牌源码服务端||装修素材|MAC软件下载|免费电影|教育资讯|视频点播|jquery特效 » 万能采集器,文章采集伪原创关键词直接搜索,百度,今日头条,一点资讯,搜狗,微信

    Leave a Reply

    提供最优质的资源集合

    立即查看 了解详情

    Optimized by WPJAM Basic