火车头采集 QQdie 实例教程

应会员要求。写一篇火车头采集 qqdie 文章的教程。

首先找到我们要采集的文章页，也就是 https://qqdie.com/archives/ 。

1. 采集网址及分页网址

首先来看一下分页结构

可以清楚看到分页格式为：https://qqdie.com/archives/list_xx.html xx 就是第几页。

弄清楚之后我们打开火车头，没有的可以在我博客搜索下载，新建一个任务，添加一个采集网址规则，如下图填入。一共39页，所以项数39。注意因为这里的第一页指向有点问题，所以这里首项填2。点击添加，在点击完成。

接下来我们要抓取分级列表，也就是每一页的每个 item 的网址，先去看看网址长啥样，可以看到结构都是 /archives/xxx.html。

同时为了锁定我们要选择的 item 的范围，我们可以看看这些 item 前后有什么唯一性的节点，也就是找怎么来定位 这些 item 的代码，我们可以看到，前面有一个

<div class="news-conten-list">后面有一个 <div class="page"> ，都是唯一性的节点，搜不出来第二个，所以我们就用这两段代码去定位我们要的 item。

接下来点击第一步中的多级网址获取--->添加，按照如下规则填写，选定区域就是我们刚刚分析的那两个节点，结果网址格式也按照我们刚刚分析的填写。填完了记得保存一下。

然后点击测试网址采集，如果你跟我一样采集到下面这些网址，那么就成功了。有些同学如果采集不了，可以尝试装一下火车头采集HTTPS的修复插件。

解决火车头采集器无法采集HTTPS的办法

2. 采集内容

先去看一下内容在哪，分析发现内容在这个叫 <div class="art_show_bd"> 包裹着的标签里面，而且有多个。

找到了就可以直接来填写火车头。点击第二步，采集内容规则，默认的标题已经采集好了，不用管，我们点击内容，前后截取，把我们刚刚找到的标签填进去，因为有多个，所以吧标签循环匹配打钩。然后添加数据处理，把换行空格什么的去掉，先点数据处理的确定，再点下面的确定。

如果需要下载图片的，数据处理右边，文件下载选项的下载图片打钩。

接下来采集作者时间等信息。还是先分析，一看这个结构，很简单，我们直接上火车头。

相信聪明的你一看就明白，那么时间和来源也可以按照这种方式来写。

最后测试一下采集的数据：

’

第三部发布内容，因平台不同，不多做介绍，发布到 typecho 的可以参考我的 ijkdata插件 相关配置。