火车采集器官方博客

火车采集器v7版新浪评论采集插件

作者：小文发布于：2012-5-15 20:41 Tuesday 分类：免费插件

这个插件是对多页中的第一个页面进行了分析，获取到分页总数，然后生成了分页让采集器下载，涉及的代码为

        public List<string> GetPagesUrl(int level, string pageurl, string html, string pagesStyle, string pagesCombine)
        {
            List<string> urls = new List<string>();
            //"show": 127}, http://comment5.news.sina.com.cn/page/info?format=js&jsvar=pagedata&channel=gn&newsid=1-1-24331859&group=0&page=1&list=all&sort=0，

http://news.sina.com.cn/c/2012-04-26/061224331859.shtml

            if (level == 1 && pageurl.Contains("page=1&"))
            {
              string sign="show\": ";
              int pos = html.IndexOf(sign);
              if (pos > 0)
              {
                  int pos2 = html.IndexOf("}", pos);
                  if (pos2 > 0)
                  {
                      int count = int.Parse(html.Substring(pos + sign.Length, pos2 - pos - sign.Length));
                      count = (int)Math.Ceiling((double)count / 20);
                      for (int i = 2; i < count + 1; i++)
                      {
                          urls.Add(pageurl.Replace("page=1", "page=" + i.ToString()));
                      }
                  }
              }
            }
            return urls;
        }

public bool UseGetPagesUrl
        {
            get { return true; }
        }

规则请在附件中下载

标签: 新浪

评论(1) 引用(0) 浏览(8856)

58验证码识别（最后更新2016.5.26）

作者：小余发布于：2012-5-15 15:23 Tuesday 分类：免费插件

请先下载 58电话识别采集规则.rar，解压后导入采集规则，然后关闭火车采集器，删除掉Plugins文件夹下的 58验证码.dll ，然后再下载另一个压缩包，解压其中的 58验证码.dll 文件到文件夹Plugins下，再打开采集器，就可以看到插件了。如果您v7版本导入成功后看不到插件，请下载最新版本再导入。现在插件是自动识别后，将结果保存在字符串<tel>电话号码</tel>中，如图，具体设置可以看示例采集规则。

有些不能识别的号码，插件是将不能识别的保存在了58_error.log文件中。如果您认为插件识别错误，请将这个文件中的记录发给我们。我们会第一时间更新该插件。

标签: 58

评论(18) 引用(0) 浏览(38723)

OCR插件生成器(最后更新2014.06.11)

作者：小文发布于：2012-5-8 15:05 Tuesday 分类：其它资源

火车采集器本身自带的ocr功能可以识别大部分常规的字母和数字。但在遇到特殊的字体时可能会出现部分识别错误。为此，我们将10版本带的按特征码识别的程序重新进行了修改，使其可以很方便的生成我们的C#插件。该程序可以单独运行。大家可以先打开自带的两个项目进行测试学习。需要注意的是：该工具只适用于那些字体字形固定的识别。