火车头发布中的导入到自定义数据库怎么用

仔细看看教程，分析下自己错误的原因吧。

今天给大家开堂讲火车头数据库导库模块的使用方法

教程准备：

1.火车头采集器

2.导库演示用我及其研究的sNews CMS程序

3.数据库管理权限 phpMyAdmin

开堂啦....

使用火车导入第一项做的事是建立数据库发布模块，

ps:当然建立数据库发布模块需要商业版才有的功能，或自直接购买数据库发布模块的编辑器。

另外火车头也提供了比较常用的程序数据库发布模块，大家可以直接下载使用就可以了。^^

编辑好数据库发布模块后下一步就是数据库发布模块配置。

在接着就是新建采集任务，把发布模式选择为数据库发布模式。

好吧，先来做数据库发布模块-

打开你的sNews CMS发布一条测试内容

填写好发布的各项内容

如 标题：title 内容：发布内容 描述 ：Description 关键词：Keywords

发布成功！

然后转到你数据库管理工具phpMyAdmin，选择cms的数据库，然后进行导出数据库表。演示的sNews数据库需要导库的表是articles。当然不同的cms需要研究需要 *** 作的表是不同的，一般你发表几篇文章后再观察就可以找到。

还有的就是联动 *** 作，这个将在以后再给大家讲堂，呵呵简单的学起

导出表后，打开数据库发布模块编辑工具，同时打开导出的数据文件，可以用文本工具打开数据库就可以看到INSERT的语句，把这个语句直接复制到数据库发布模块编辑工具上面，然后按相应的标签修改。

模块名称：sNews 数据库类型我们演示的选择是mysql

添加数据表前缀，演示的sNews虽然没使用数据库表前缀^^

开始修改，一般ID字段是自增ID，确定不需要的可以删除掉。其它的一一对好字段修改好。

接着按自动获取 *** 作数据库表。最后写上说明，编辑好后保存模块，这样我的入库模块就完成了。...

开始配置数据库发布，

1.选择数据库类型 mysql

2.选择刚才建立的发布模块 sNews

3.设置登录数据库资料

4.测试连接，OK后保存 这里我们一般建议直接填写数据库名称，因为远程导库一般是刷不到数据库名称的！！

还有要填数据库前缀，但我们演示的是没有的，如果有一定要填上

新建任务，我演示用火车内置好的吧！一般的采集任务设置我们略过...

直接到采集标签那，主要演示给大家知道要做好对应发布模块的标签设置。

下一步到发布内容设置，启用方式三导入自定义数据库。最后设置成功发表项设置。

好了,大家开工吧开始采集，就可以享受数据库导库给你带来的快感啦.....

一、MDB格式是WINDOWS的数据库文件格式，无法转成db3格式，但是可以转成XLS文件；

二、把MDB转换为XLS格式，毕竟表格文件在编辑、排版、打印等方面，比数据库文件容易上手。MDB转XLS格式就相对简单多了，打开数据库文件.mdb，选中其中的“mytable”表，然后点“文件”菜单中的“导出”，在打开的“将表mytable导出为”窗口中，将保存文件类型选择为“Microsoft Excel 97-2000(?.xls)”，输入文件名，然后点“保存”即可将数据库格式的MDB文件转换为表格形式的XLS文件了。

1

首先讲一讲网站结构，通常网站结构为树形结构，一个网站主要包以下几种页面：首页、栏目页、文章页，其结构如下图。

其次讲一讲火车头采集原理，火车头的运行需要一套规则来指定该如何采集所需数据，即需要编写火车头采集规则，编写采集规则也是新手最头痛的问题。

火车头采集器通常通过网址抓取网站返回的源代码，然后在源代码中提取需要的信息。因此，采集数据需要先采集网址，然后再采集数据。

2

下面开始编写采集规则：

运行LocoyPlatform.exe

3

在左侧“任务列表树”选择一个分组点击右键，选择“新建任务”d出新建任务对话框。填写任务名，网站编码一般选择自动即可。

添加起始网址

填写“第一步：采集网址规则”这里需要按照网站的树形结构逐级获取下一级结构的网址，直至获取到内容页的网址。先填写起始网址，通常为目标站首页地址。点击“添加”，在单条网址处填上火车头博客的首页地址，然后依次点击“添加” ->“完成”。

编写“多级网址获取”规则

这里需要先在起始地址页面找到所有需要采集的栏目页的代码区域，先查看起始页地址的源码，找到如图所示代码区域：

点击右侧“添加”按钮打开“添加多级网址采集规则”，选择“从页面自动分析得到地址链接”单选按钮，在下面“从该选定区域中提取网址”，“从”（左侧）文本框填上栏目地址代码区域开始之前的标志性代码（要保证其在该页的唯一性），“到”右侧文本框填上栏目地址代码区域结束之后的标志性代码，在“结果网址过滤”的“必须包含”和“不得包含”文本框填上相应代码，如果该区域没有多余的链接不需要过滤，可以不填，这里的栏目页网址必须包含“category-”。然后点击“保存”返回。

现在需要获取内容页的地址。先打开栏目页查看源码，查找内容页地址存在的区域及地址规律。按照上一步的方法先填写内容页所在区域的起始和结束标志性代码，然后分析这个区域中包含的链接与我们说需要的内容页地址链接规律，添加过滤代码。这里起始代码为“<!--显示-->”，结束代码为“<div class="page" style="float:right">”过滤代码为必须包含“read-”不得包含“#”。如图：

需要注意的是这里文章比较多会有很多分页，所以需要填写“列表分页获取”规则。通常只需要指定分页代码的区域，如有必要可以填写“组合生成列表页分页”规则。这里的列表分页规则其实代码为“<li class="pageNumber">”，结束代码为“title="下一页">”。如果勾选“自动识别分页”的话，会自动提取a标签的href属性，如果不勾选自动识别的话，需要填写组合生成列表页分页”规则。

然后保存返回，可以通过“测试网址采集”来测试规则是否正确，不正确可以返回修改规则，正确的话可以开始编写“第二步采集内容规则”。

编写“第二步采集内容规则”

先打开内容页以及内容页的源码，找到需要提取的信息的前后代码特征。以提取标题和内容为例。首先复制文章标题，然后在源码中查看该标题出现的几处地方，找一处前后代码在每一篇文章都一样的地方，该例共出现了3处，第二处的代码没有其他干扰代码。点击“添加”，标签名填“标题”，提取数据方式选择前后截取，前后代码分别为“<h1 class="ContentTitle"><strong>”和“</strong></h1>”。如果采集的内容需要作进一步处理（如替换删除编码转换过滤html等），在下方“数据处理”点击添加填写相应规则。

再添加一个标签，标签名为“内容”，按照上述方法填写内容的前后代码片段，需要注意的是，前后代码片段最好不要出现不完整的标签（如：“<div class="Content-body"” 应该写作“<div class="Content-body">”，一个完整的标签应该是以“<”开始，以“>”结束，如果<>之间的内容在各个内容页有一部分不一样，将不一样的部分用（*）代替即可），否则提取的内容会包含部分不完整的标签。通常正文包含的HTML会比较多，可以添加HTML过滤功能，建议仅保留段落（p）、图片（img）、换行（br）等标签。

测试内容采集规则

保存规则后返回采集内容规则页面，在右侧“规则测试”的典型页面文本框填上一个内容页的地址，然后点击测试，如果下面显示到的内容符合预期说明可以了，如果未获取到内容或者获取到内容不正确，返回检查并修改规则。

开始采集

选择要采集的任务规则，勾选“采网址”和“采内容”复选框，点击工具栏“开始”按钮。

后续工作

采集到的数据保存在数据库，可以通过在任务名上点右键，选择“打开DATA下任务文件夹”打开数据库所在位置，该数据库可以通过ACCESS打开和编辑。如果想要重新采集，需要通过右键选择“清空该任务网址库”和“清空任务所有采集数据”。

---