用過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，也因此被用戶譽為最經(jīng)典的采集軟件，這里為大家詳細的介紹一下文章采集器——火車采集器V9十一項強大的數(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)處理是對從內(nèi)容頁面提取到的信息數(shù)據(jù)進行進一步的加工處理，譬如替換、過濾等，火車采集器中可以同時添加多個操作，多個操作是按照從上到下的順序來執(zhí)行。也就是說，上個步驟的結果會作為下個步驟的參數(shù)。下面依次說明：
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)容從原始頁面中再次提取。
2、內(nèi)容替換/排除：顧名思義，表示對采集到的內(nèi)容進行字符串替換，如需排除，則替換為空字符串即可。
3、html標簽過濾：過濾指定html標簽，比如<a ，<font
4、字符截取：通過開始和結束字符串對內(nèi)容進行截取
5、純正則替換：通過強大的正則表達式進行復雜的內(nèi)容替換。
6、數(shù)據(jù)轉換：包括將結果簡轉繁、將結果繁轉簡、自動轉化為拼音和時間修正轉化
7、智能提取：包括提取第一張圖片、智能提取時間、智能提取郵箱、智能提取手機號碼、智能提取電話號碼
8、高級功能：包括自動摘要、自動分詞、Http請求、字符編碼轉換、同義詞替換、空內(nèi)容缺省值、內(nèi)容加前后綴、隨機插入、運行C#代碼、批量內(nèi)容替換，統(tǒng)計標簽字符串長度等一系列功能。
9、補全單網(wǎng)址：將當前內(nèi)容作為一個網(wǎng)址進行補全。
10、文件下載：可以自動探測并下載文件，可設置下載路徑和文件名樣式。
11、內(nèi)容過濾：對于一些不符合條件的記錄，可以通過設置內(nèi)容過濾來刪除或標記為未采。
我們采集文章時有了這十一項強大的數(shù)據(jù)處理功能，就能應對各類網(wǎng)站并將數(shù)據(jù)輕松處理成自己需要的形式，省時省力。火車采集器V9作為功能最全面的文章采集器，更夠為我們的工作大幅提升效率，真正智能化的服務于用戶。
