火车头采集器如何采集及下载图片
最近有客户问我关于火车头采集器如何采集及下载图片的问题，于是小小研究了一下，发现网上很多的相关文章都语焉不详，所以在此记录一下，如果您也遇到相同的问题，希望也对您有用。
这篇文章适合有一定采集基础的人观看，即可以正确设置采集规则并采集到基础内容。
我用的火车头采集器的版本是V9，如果你用的其它版本，请酌情参考。
客户遇到的问题主要如下：
如何下载图片到指定的位置？
列表页的缩略图如何采集？
在解决以上两个问题之前，我们需要知道火车头采集器在什么情况下会下载图片。
火车头采集器在包裹有img标签时会自动下载图片。
即类似如下格式时：
<img src="/uploadfile/xxx.png" title="image" alt="image">
可以自动下载图片。
*当然也可能有其它情况，请自行研究。
知道了这个前提，那我们开始来解决客户的问题，客户遇到的主要问题包含下面两个：
问题一：如何下载图片到指定的位置？
我们知道采集详情页的内容主题的时候，涉及到的图片会天然包含img标签，因此只需要设置如何下载图片到指定的位置即可。在这里面需要进行以下几步的设置：
一、设置文件保存目录及前缀
在采集规则设置的最后一个步骤，设置文件保存的根目录及链接地址前缀
保存根目录：
设置后你后面所有通过这个规则下载的图片都会保存在这个位置。
文件链接前缀：
主要是为了使内容在后期上传到网站后能正常访问，它会给你采集时对应标签中采集到的下载图片的链接自动添加前缀，这个是在标签设置的所有规则应用完成后最后一步进行的。
在最后形成的采集链接的结果关系如下：
【地址前缀】【内容采集标签中组合成的部分】【图片名称及后缀】如在最后形成的图片链接为：/uploads/allimg/231029/xxx.jpg。其中第一个反斜杠“/”为地址前缀，“uploads/allimg/231029/”为组合部分，“xxx.jpg”为图片名称及后缀。
我在这里添加了一个反斜杠，主要是因为我的图片是相对地址，需要基于根目录进行定位。你也可以填入域名地址，如：https://xxx.com/。
二、在第二步内容采集规则中设置图片下载
如下图：
这里上图中的三个部分都需要设置：
下载图片需勾选
文件保存目录
这个地方看着比较乱，其设置方法如下，如我要将图片下载到“uploads/alling/yyMMdd”。
先将上面的结果填入到保存目录，我们会发现有些字母有加粗变色。
最后的yyMMdd为时间格式，保持原样就好。其它的变色的部分只需要在每一个前面添加英文反斜杠“\”，添加后会发现对应字母变正常，代表设置成功。
文件保存格式
设置方式与保存目录类似，一般选择原文件名就好。
至此设置完成，采集测试你会发现最终采集到的链接地址变成：
【地址前缀】【内容采集标签中组合成的部分】【图片名称及后缀】格式。
本例中为：“/uploads/allimg/231029/xxx.jpg”。
下面来解决第二个问题。
问题二：如何采集列表页中的缩略图？
一、网址采集规则处的设置
先看下图，在采集规则中的第一个部分，网址采集规则处：
要采集列表页中的缩略图，需要在列表页中设置对应的标签，因此不能使用默认的自动获取链接地址的方式，而要选则手动设置规则获取的方式。
如列表页中文章列表的整个格式如下：
<ul id="boxNewList"> <li>xxxxxxx</li> <li>xxxxxxx</li> ..... </ul>
整个<ul></ul>部分代表采集区域，在上图中的采集区域中设置。
<li></li>为单个循环体部分，在提取规则中设置。
在提取规则设置中，不需要将单个循环体中的所有部分都copy进来，只需要包含你所要设置标签中的部分即可。参考上图，因为我要采集列表缩略图、详情页地址以及列表时间三个标签，所以我截取了包含这三个标签的部分代码。
在本文的最开始，我们知道火车头采集器只能自动下载包裹在img标签中的部分，但是这里我只截取了标签中的图片链接地址，显然是不能自动下载的，这个问题我们将在下面的部分来处理。下图是列表页采集测试时截取到的列表页设置的三个标签。
二、内容采集规则设置
在列表页标签中，我们设置了名称为【列表缩略图】的标签，但实际上我们最终入库的是【缩略图】这个标签，因此需要在列表页标签中进行一些处理。
创建标签
在内容采集规则中新建缩略图标签，数据获取方式选择已有标签组合，并选择列表缩略图
内容添加前后缀
经过上一步的处理，我们在缩略图标签中已经可以获取到列表页缩略图地址，类似于：“/upload/xxx/xxx.jpg”,但是获取的地址是纯地址，没有包裹img标签，所以火车头采集器是下载不了图片的，在这一步，我们需要给这个地址添加img标签，即添加前后缀。
在数据处理处点击【+】号，选择【高级功能】，选择【内容添加前后缀】。并添加前字符串及后字符串如下图所示：
此时【缩略图】标签中的数据变为：<img src="/upload/xxx/xxx.jpg" class="img-responsive">（class部分可省略），此时的格式已经符合下载图片的要求了。
提取第一张图片
【缩略图】最终入库时我们仍然需要类似于：“/upload/xxx/xxx.jpg”的格式，因此我们需要将上一步设置的标签去掉还原。
在数据处理中，继续点击【+】号，选择【智能提取】，选择【提取第一张图片】，如下图所示：
此时【缩略图】中标签格式还原为纯链接形式，类似于：“/upload/xxx/xxx.jpg”。
设置文件下载
参看本文问题一部分的设置。
至此，火车头采集器如何采集及下载图片完成，客户的两个问题都得到了解决。
声明：本站所有文章资源内容，如无特殊说明或标注，均为采集网络资源。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
