用火车头采集百度知道的方法

　　上星期百度姐讲了自己提高百度文库通过率的几点方法(百度姐：如何提高百度文库通过率)，当时也有说到要把百度知道火车头采集方法告诉大家，今天就讲讲百度知道的采集方法。

　　第一步：下载百度知道的规则。

　　百度知道的规则下载：http://url.cn/OGraeM

　　火车头规则的卷写需要看到页面程序，现在就不讲怎么写采集规则了，百度姐直接把自己写的规则放出来，大家可以直接下载，导入到火车头里面就可以使用了。

　　百度姐的这个规则是搜索“祛斑”关键词的一个规则。如果大家需要采集其他关键词的百度知道，可以相应修改一下就ok了。

　　第二步：下载火车头。

　　大家可以上网上下载也可以用百度姐已经下载好的，百度姐使用的是火车采集器8.0，截至到现在应该算最高版本了，百度姐用的是免费版本的，所以有限功能会有现在，但是免费版本的采集内容到本地服务器还是可以的。貌似没有发布功能。

　　火车采集器8.0下载：http://url.cn/TQzMu3

　　第三步：安装火车采集器8.0。

　　下载了火车采集器8.0之后，直接解压就可以使用了。打开解压的文件夹，点击LocoyPlatform文件就可以了。　

　　第四步：导入百度知道采集规则。

　　先创建一个分组，随便命名，方便自己以后查找使用。百度姐创建了一个百度知道的分组。如图：　　

　　选择我们刚刚创建的百度知道分组，点击右键，选择导入任务至该组。点击确定。如图：

　　第五步：开始采集。

　　选择刚刚导入的祛斑百度知道规则，勾选采网址、 采内容和发布(发布功能貌似免费版本没有此功能)。　　

　　极度条到头就采集成功。如下图，这次总共是采集了355条。这个百度知道可以每天都采集，因为百度知道每天都会更新。　　

　　第六步：本地数据。

　　选择任务(就是刚刚上传的祛斑规则)，右键选择编辑任务，百度姐给大家详细介绍一下这个规则的几个重要的东西。如下图：

　　1.第一步采集网站规则：这一步主要是抓起百度知道列表页中的网址，百度知道每页10篇网址。　

　　A.选择起始网址，在选择修改，就可以修改采集其他关键词百度知道了。这个可能有些复杂，等过段时间，百度姐详细截图演示一下。

　　B.勾选检测重复网址。那么第二次采集的时候就不会重新采集之前已经采集过了的网址。

　　C.测试网址。在没有开始采集或者采集出现错误的时候，可以先测试是否是网址抓起失败。出现前面的加号，就代表第一步网址抓起没有出现问题。　　

　　2.第二布：采集内容规则。

　　A、百度姐这边的百度知道规则只抓取问题(问题标签)，最佳答案(问题1标签)和第二个答案(问题2标签)，如果大家需要抓抓取第三个答案，就必须添加问题3的标签，需要查看页面代码，找出此答案前后唯一的代码才可以。这块百度姐以后花时间详细写一下。

　　B、典型页面。这边可以找一个知道的内容页，有最佳答案和第二个答案的，点击测试，就可以看到此网页采集到的内容。如果没有最佳答案，问题1的部分是空白的。第二个答案也是一样的，如果页面中没有第二个答案，那么这个采集到的问题2的部分就是空白的。　　

　　C、如果百度知道采集太多，会出现采集不到内容的问题，如下图1，这是因为百度官方限制。所以采集的时候不要频繁采集。把网址放浏览器打开就如图2，如果条件允许，可以买个vpn更换ip，就可以继续使用了。

　　图1：

　　图2：

　　3.第三步：发布内容设置。

　　A、看截图红框的部分，设置好路径，采集成功后，直接找到文件打开就可以了。

　　B、如果打不开，大家可以现在数据库软件Access安装，在打开。百度姐用的是Access2003，提供下载地址。

　　Access2003下载地址：http://url.cn/P9gnVm　

　　今天就说到这里吧，微信上有朋友跟我要火车头百度知道的采集规则，如果有想要的朋友可以微信百度姐：baidujie。如果不出意外的话，下次博文会放出来，会更细节一些，大家感兴趣的可以把百度姐的博客收藏到浏览器收藏夹，百度姐每周最少周二会更新。百度姐感激大家的关注!

　　原创地址： http://www.baidujie.org/?p=87