親愛的用戶:
為了給用戶更好的采集體驗,2019年11月21日我們進行了火車采集器的版本更新,目前火車采集器V9.11版本已正式上線。
1、★ 列表頁新增“地址處理”功能★
示例網址,新浪滾動新聞:https://news.sina.com.cn/roll/#pageid=153&lid=2509&k=&num=50&page=1
點擊下一頁,抓包可獲取真實地址:
https://feed.mix.sina.com.cn/api/roll/get?pageid=153&lid=2509&k=&num=50&page=1
分析json數據可以得知 url 后面的是內容頁網址,設置如下:
可以看到采集的網址里有很多 \ ,導致網址無法訪問,而且網址不規(guī)則,不易處理。
這種可以使用新增的“地址處理”功能
內容替換/排重
可以對網址中內容進行替換,且替換完成后,重復的網址會自動去重。
純正則替換
可以使用正則表達式進行匹配,和內容替換功能類似
字符編碼處理
網址中有需要轉碼的內容,比如采到的鏈接里有 & 可以進行解碼
https://feed.mix.sina.com.cn/api/roll/get?pageid=153&lid=2509&k=&num=50&page=1
2、★新增“請求失敗數”的預警條件設置★
3、★下載圖片命名,新增[記錄自增Id]格式★
記錄自增ID:同一個內容頁中,多個標簽設置記錄自增ID,那么多個標簽都是從1開始自增,再次測試運行又會重新開始從1自增,更換個內容頁測試運行,也是從1開始自增。
自增ID:設置自增ID是采集器啟動后運行,開始一個自增ID,從1開始自增,之后就是自增。重啟采集器后,又會重新開始自增ID,從1開始自增。
舉例說明:自增記錄ID:縮略圖和內容兩個標簽都有圖片下載,都設置了記錄自增ID。
比如內容頁網址https://zhishi.fang.com/jiaju/qg_680673.html
更換一個內容頁網址,記錄自增ID還是從1開始自增。
https://zhishi.fang.com/jiaju/qg_691372.html
自增ID:內容標簽中設置了自增ID。
之后就會一直自增。
想要自增ID再次從1開始,需要重啟采集器,那么就會從1開始了,否則只要設置了自增ID的,都會一直自增下去。
4、★修復圖片下載誤判斷問題★
5、★修復計劃任務中“每天調度”,起始運行時間配置未生效的問題★
6、★ 修復PHP插件,對于循環(huán)記錄的處理報錯的問題★
7、★修復拼音首字母對于一些錯誤字符的判斷問題★
8、★任務批量編輯,修復“發(fā)布”中“多網站亂序發(fā)布”未能復制的問題★
9、★修改“循環(huán)添加新記錄”配置后,修復數據格式選擇錯誤的問題★
10、★修復循環(huán)記錄中列表頁標簽被多次處理的問題★
11、★修復對于一些302跳轉地址,無法正確跳轉的問題★
12、★修復一些網址無法正確請求的問題★
感謝用戶的支持與使用,今后也請多多支持小采~