火车采集器V7正式版

火车采集器V7正式版是一次彻底的重构版本，整个程序底层重新搭建，形成了一个全新的采集平台。这个版本把数据采集过程中最常用的模块都整合了进来，包括计划任务、数据发布、正文识别、OCR图形图像识别以及采集入库等。它也能让其他采集软件在平台上快速稳定地运行。下面从任务管理、采集能力、数据处理和发布扩展几个方面来了解它的具体表现。

任务管理与运行调度

1、 任务队列运行管理，支持Cron表达式来安排执行时间

2、 无限级分组任务管理，配合任务回收站功能，方便整理和恢复任务

3、 提供Http接口，可以查看采集器的运行情况，也能通过接口管理采集器的运行

4、 支持主从服务器分布式采集，适合需要多机协作的场景

采集范围与提取方式

- 无限级多页采集，能够实现无限深度的采集

- 无限级列表网址采集，列表页分页采集获取功能也一并支持

- 列表页附加参数获取功能，可以拿到更多列表层面的信息

- 列表页及标签XPath可视化提取功能，让提取规则更直观

- 标签纯正则替换功能，配合标签间自由组合功能，灵活处理内容

- 针对标签内容继续发送Http请求功能，可以从Http头信息中获取数据

- 支持RSS地址采集功能，Aspx列表分页自识别也能自动处理

- 标题内容正文提取功能，帮助从页面中定位核心正文

数据存储与导出

- 采集入库是基础能力，同时支持使用Mongodb数据库保存数据

- 导出记录为单个或多个Txt、html文件

- 导出记录为Word格式

- 导出所有记录为Excel格式

- 多扩展间数据交换功能，方便不同环节之间传递数据

发布、代理与图像处理

1、 多网站站群式web发布，适合同时管理多个站点的发布需求

2、 使用随机二级代理服务器，支持Socket代理

3、 下载的图片自动加增强型水印功能

4、 Ocr识别功能，可以把图片转化为文字