水淼·万能文章采集器 v2.17.7.0 - 采集列表页(栏目页)文章、关键词新闻、微信等 - 最好用的采集软件采集程序采集工具

作者: 水淼 日期: 2018-07-25 11:18:09 人气: - 标签: 采集 文章 关键词 转译
水淼·万能文章采集器
水淼·万能文章采集器

软件下载

立即下载

软件教程

关键词采集 列表页采集 采集设置 左侧视频合集

精确标签教程 隐藏列表页抓包教程

POST方法 POST方法2 采集百度知道 采集百度贴吧用户名 采集视频地址 采集文章地址 采集文章+转译伪原创+关键词插入+生成单页 精确标签删除多余内容 txt格式自动排版 批量采集标题列表

软件介绍

水淼软件出品的一款万能文章采集软件,可以只需输入关键字就能采集各种网页和新闻,还可以采集指定列表页(栏目页)的文章。

注意:微信引擎限制严格,采集线程数请设置为1个,否则非常容易出验证码。

功能特点:

1. 依托于水淼软件独家万能正文识别智能算法,可实现任何网页正文自动提取准确率95%以上。
2. 只需输入关键词,就能采集到微信文章、今日头条、一点资讯、百度新闻和网页、搜狗新闻和网页、360新闻和网页、谷歌新闻和网页、必应新闻和网页、雅虎新闻和网页;可批量关键词全自动采集。
3. 可定向采集指定网站栏目列表下的所有文章(如百度经验、百度贴吧),智能化匹配,无需编写复杂规则。
4. 文章转译功能,可对采集好的文章,将其翻译到英文再翻译回中文,实现翻译伪原创,支持谷歌和有道翻译。
5. 史上最简单智能文章采集器,更多特点一试就知!

问题集锦:

采集设置的黑名单错误
[采集设置]里面输入黑名单时,如果最后有空行存在,就会导致关键词采集功能有搜索数量显示而无实际采集过程的问题。

升级记录(2018年7月6日):

2.9.0.0:全新增加正文过滤功能,可以屏蔽掉绝大多数不属于正文的内容;合并严格和标准的正文识别,并强化正文识别能力(现在识别的正文没有再带父层的div标签了,都是取内部的代码了);增强对部分特意伪装的网站标题的提取能力;其他更新。
2.9.1.0:采集文章URL,强化相对路径的处理,比如../ 和 ../../ 等,经过本版本强化处理后,相对路径将完全转化为绝对路径,与浏览器中鼠标移到链接上查看到的一致。
2.9.2.0:修复谷歌改动导致采集失败的问题。
2.9.3.0:修复关键词采集文章栏目选定精确标签时没有弹出输入的问题(前面版本造成);根据URL采集文章栏目新增删除外层代码可选选项(之前默认启用);调试模式更改为文章来源;疑点说明更新;其他。
2.9.5.0:修复微信采集失败问题。
2.9.6.0:增强分页采集识别能力。
2.9.7.0:新增谷歌地址前缀指定,可自行设置能使用的谷歌域名。
2.9.8.0:采集设置的正则替换支持使用<#sm#>隔开多个匹配和替换表达式。
2.9.9.0:增强正文识别能力,识别准确度有所提升;增加对特殊编码响应的识别。
2.9.10.0:增加对二次加载图片的新属性“original”识别转换。
2.9.11.0:外置文件更新谷歌翻译使用的域名;修正谷歌tk参数变动翻译失败的问题。
2.10.0.0:修复部分情况因系统原因无法跳转网址导致百度网页无法采集的问题;新增自动去除网址的#后缀部分,该部分会导致网页读取错误;采集文章URL新增左边和右边插入选项;修复前面版本导致的正文提取的过滤存在的一些问题;其他更新。
2.10.1.0:增强对部分采用<meta>跳转的网页识别。
2.10.2.0:增加标题字数限制为最多100字,以免字数超长导致的一些问题;其他更新。
2.10.3.0:修复必应新闻采集失败问题;修复部分网页的分页格式错误导致重复采集的问题;更换网页访问方式(以前https使用WiniNet,http使用WinHttp,现在都用WinHttp);其他更新。
2.10.5.0:修复软件对部分网页跳转代码错判而读取失败的问题;采集文章URL列表栏目的导入导出配置功能新增支持同步导入导出根据URL采集文章栏目的配置。
2.11.0.0:新增动态加载的列表页URL的采集功能(如今日头条toutiao.com);读取网页时增加USC2解码(如新浪微博需要解码才能采集);其他多项更新。
2.11.1.0:文章查看器的文件列表框改进以便看全长标题,并且如果读取的文件数量不全,请在切换目录读取时按住Ctrl键即可增强读取;采集文章URL列表的导入导出配置增加对生成列表页URL采集列表页URL的配置同步功能(各窗口处于打开状态才能同步配置)。
2.11.2.0:修复过滤正文功能遇到个别网页的特殊代码过滤不正常的问题。
2.11.3.0:修复部分DZ论坛自动识别错误的问题;修复删除外层代码时个别页面自动识别错误的问题
2.11.3.1:修复class过滤的一个细节问题;默认打勾删除外层代码
2.12.0.0:增强分页采集对分页的识别能力(尤其是图片类的分页);生成列表页功能新增支持倒序生成
2.12.1.0:新增采集列表页的文章URL时支持POST方法
2.13.0.0:文章保存格式全新增加txt带图片排版;新增图片二次加载的新属性识别 data-original;文章来源改为在文章末尾追加;新增智能忽略版权信息被识别为正文;调整界面组件位置;其他更新。
2.13.1.0:修复xp系统不能采集淘宝网页的问题;修复//类型链接转换错误问题;更新谷歌地址前缀文件。
2.13.2.0:修复txt格式保存时没有自动转换网页转义符的问题
2.13.3.0:新增【优先标题标签.txt】外部配置文件以解决一些混乱网页识别标题错误的问题
2.13.8.0:【采集文章URL列表】新增ContentType自定义设置支持以解决有些网页之需(该设置位于【采集列表页URL】);新增【指定标题位置.txt】外部配置文件,自动识别不了标题时能手动指定标题的开始和结束标记;搜狗修改为每页10个网址采集,并新增搜狗验证码识别弹出;其他更新。
2.13.9.0:修复关键词采集完全无结果时陷入死循环的问题。
2.13.10.0:采集列表页URL功能新增高级参数(两个值用空格隔开,如果值1空白自动使用值2)。
2.15.0.0:URL采集文章面板的精确标签新增模糊匹配功能;新增计划任务功能,可以设定多个时间点,到点自动开始采集(当前被显示面板的开始采集)。
2.15.1.0:修复微信采集失败问题。
2.15.2.0:修复360网页和新闻的部分问题。
2.15.3.0:搜索引擎读取增加超时50秒设置;尝试修复部分情况下关键词采集崩溃的问题。
2.15.5.0:采集文章URL列表,新增来路设置;更新谷歌镜像地址。
2.15.8.0:修复百度网页搜索时间设置失效问题并取消百度新闻时间设置(已不支持);微信采集时增加正文最少字数的设置支持(原先只有自动识别的可以设置字数,而微信是内置精确标签的所以不能设置字数,现在可以了);【文章查看】切换显示时增加自动刷新目录树;关键词采集正文字数不足时补充提示设置的字数值
2.15.9.0:修复360新闻采集失败问题。
2.15.10.0:修复微信采集失败问题。
2.15.11.0:因有道翻译失效且无法更新,故新增百度翻译;其他更新
2.16.0.0:关键字采集文章新增今日头条、一点资讯等自媒体平台
2.16.1.0:修复上次升级导致的采集分页功能异常
2.16.2.0:修复今日头条图片链接问题;微信增加登录采集。
2.16.3.0:修复设置采集篇数时容易出现无法继续采集下一个关键词的问题。
2.17.0.0:修复谷歌无法采集的问题(仍需翻墙);修复百度转译失效问题(更改为搜狗转译,翻译效果最好的人工智能翻译引擎)。
2.17.1.0:对今日头条增加了尝试次数,并且自动线程为1,以避免被限制
2.17.1.1:尝试修复关键词采集出现的数组错误问题
2.17.2.0:修复上次升级导致的采集错误
2.17.3.0:修复百度网页改动无法采集的问题
2.17.5.0:2018年5月24日源码丢失补写,并修复微信和今日头条无法采集的问题(本版本谷歌采集暂时失效。如需使用请使用2.17.3.0版本并翻墙)
2.17.6.0:修复微信文章没有采集到标题的问题
2.17.7.0:修复一点资讯因改动采集失败问题;修复谷歌采集;其他更新

Copyright © 2009-2018 水淼软件技术 Inc. 保留所有权利。粤ICP备16013086号 霏凡软件站 转载文章如有侵权请联系删除