用過(guò)火車采集器的朋友都知道，火車采集器是所有文章采集器里數(shù)據(jù)處理功能最為全面的，也因此被用戶譽(yù)為最經(jīng)典的采集軟件，這里為大家詳細(xì)的介紹一下文章采集器——火車采集器V9十一項(xiàng)強(qiáng)大的數(shù)據(jù)處理功能。
什么是數(shù)據(jù)處理？在火車采集器中，數(shù)據(jù)處理是對(duì)從內(nèi)容頁(yè)面提取到的信息數(shù)據(jù)進(jìn)行進(jìn)一步的加工處理，譬如替換、過(guò)濾等，火車采集器中可以同時(shí)添加多個(gè)操作，多個(gè)操作是按照從上到下的順序來(lái)執(zhí)行。也就是說(shuō)，上個(gè)步驟的結(jié)果會(huì)作為下個(gè)步驟的參數(shù)。下面依次說(shuō)明：
1、提取內(nèi)容為空：即如果提取內(nèi)容為空，則使用正則匹配內(nèi)容從原始頁(yè)面中再次提取。
2、內(nèi)容替換/排除：顧名思義，表示對(duì)采集到的內(nèi)容進(jìn)行字符串替換，如需排除，則替換為空字符串即可。
3、html標(biāo)簽過(guò)濾：過(guò)濾指定html標(biāo)簽，比如<a ，<font
4、字符截?。和ㄟ^(guò)開始和結(jié)束字符串對(duì)內(nèi)容進(jìn)行截取
5、純正則替換：通過(guò)強(qiáng)大的正則表達(dá)式進(jìn)行復(fù)雜的內(nèi)容替換。
6、數(shù)據(jù)轉(zhuǎn)換：包括將結(jié)果簡(jiǎn)轉(zhuǎn)繁、將結(jié)果繁轉(zhuǎn)簡(jiǎn)、自動(dòng)轉(zhuǎn)化為拼音和時(shí)間修正轉(zhuǎn)化
7、智能提取：包括提取第一張圖片、智能提取時(shí)間、智能提取郵箱、智能提取手機(jī)號(hào)碼、智能提取電話號(hào)碼
8、高級(jí)功能：包括自動(dòng)摘要、自動(dòng)分詞、Http請(qǐng)求、字符編碼轉(zhuǎn)換、同義詞替換、空內(nèi)容缺省值、內(nèi)容加前后綴、隨機(jī)插入、運(yùn)行C#代碼、批量?jī)?nèi)容替換，統(tǒng)計(jì)標(biāo)簽字符串長(zhǎng)度等一系列功能。
9、補(bǔ)全單網(wǎng)址：將當(dāng)前內(nèi)容作為一個(gè)網(wǎng)址進(jìn)行補(bǔ)全。
10、文件下載：可以自動(dòng)探測(cè)并下載文件，可設(shè)置下載路徑和文件名樣式。
11、內(nèi)容過(guò)濾：對(duì)于一些不符合條件的記錄，可以通過(guò)設(shè)置內(nèi)容過(guò)濾來(lái)刪除或標(biāo)記為未采。
我們采集文章時(shí)有了這十一項(xiàng)強(qiáng)大的數(shù)據(jù)處理功能，就能應(yīng)對(duì)各類網(wǎng)站并將數(shù)據(jù)輕松處理成自己需要的形式，省時(shí)省力。火車采集器V9作為功能最全面的文章采集器，更夠?yàn)槲覀兊墓ぷ鞔蠓嵘?，真正智能化的服?wù)于用戶。
