(仿)火车头采集器 源码开源
菜鸟作品,不喜勿喷
前两年自己花了很久想仿制一款火车头采集器
然后也付出了很多努力,最终未能修成正果
代码一直在电脑中吃灰,本着无私奉献的精神
免费开源,给有需要的人参考和完善
软件功能大部分都已实现
- 任务新建和编辑
- 网址采集
- 标签编辑
- 数据采集
- 数据发布
- 发布配置的修改,编辑和测试
- 发布模块的修改和编辑
先上一些效果图
运行效果
主窗口
任务窗口
采集内容
网址采集
发布选择
多级网址采集
浏览器获取信息
标签编辑(这个部分耗时比较久)
接下来是发布部分
发布配置
发布模块
发布测试
开发日志(当时手机记录的,比较长,可跳过,下载地址在最后)
5.23 [窗口]主界面布局 [窗口]信息提示窗口 5.24 [窗口]任务分组列表 [新增]任务列表实现保存和读取 [优化]主界面窗口尺寸自适应完善 5.25 [新增]分组增加，删除以及修改功能实现，已xml文本形式保存文件 5.26 [优化]分组增删改重写，改用sqlite3 5.27 [窗口]采集任务第一步布局 [窗口]动态提醒帮助窗口 [控件]PicMenu——菜单选择改变文本框 [窗口]网址添加(半成品) 5.28 [控件]高亮显示编辑框 [控件]lable——选项修改代码框 [窗口]添加采集地址添加窗口布局完成 [新增]网址添加部分各个规则生成预览完成 5.29 [优化]重新优化代码高亮编辑框，更多属性和配置，更多展现组合方式 [新增]任务编辑基本信息读取(标题，备注等) [窗口]多页管理窗口布局完成 [新增]多页管理网址替换和源码中提取 5.30 [新增]GAC浏览器支持Xpath，可视化选取采集元素，支持多选和单选，网址自动纠正 5.31 [窗口]添加任务第一步全部布局完成(尺寸自适应) [新增]通过xpath获取网址 [优化]代码高亮，支持post随机值和分页 [代码]新增获取规则网址列表(待测试) 6.1 [窗口]第一步读取配置信息完成 [新增]多级网址规则增删改 [新增]POST参数增删改 [新增]自动获取网址链接 [新增]手动获取网址链接 [新增]GET和POST方式获取链接6.2[新增]多级网址支持标签 [新增]支持附加参数 [新增]列表分页获取 [核心]获取网址列表(一级网址) 6.3 [新增]获取网址列表支持Xpath [新增]测试地址采集结果，实时状态 [新增]测试结果的导出，复制，浏览 [新增]获取网址列表支持多级 [新增]检测重复网址 [新增]多级网址只测试第一级 [新增]网址列表结果支持标签 [优化]浏览器获取cookies自动跳转第一个网址 6.4-6.9暂停开发六天 6.10 [优化]网址采集支持多级标签 [布局]新建任务第三步布局完成 6.12 -16[辅助]xml生成实体类工具开发 6.17 暂停一天 6.18 [窗口]多页管理实现 6.19 [窗口]标签编辑基本布局 6.20 [新增]标签处理列表读取 6.21-6.22 [优化]部分标签处理编辑 6.24 [优化]除ocr外所有标签读取编辑保存 [优化]固定格式读取，测试 后面懒得写了 ?? 分页采集 拼音处理 翻译 开发细节 多页名称禁用 分页\d 2018-07-06 [修复]支持多页保存 [新增]支持新增标签 [优化]新建任务自带标签 [优化]制作启动欢迎页,改用本地文件,避免突然失效 [优化]添加多级网址采集部分的标签存在检测和标签不存在检测 2018-07-07 [修复]规则没有默认值引起的错误 [修复]批量多页导入没有解码 [新增]起始网址支持编辑 2018-07-08 [优化]保存任务时的各种参数赋值 [修复]编辑任务时多级网址不存在而引发的错误 2018-07-09 [新增]支持任务新增和保存 [修复]修复添加标签处理时覆盖旧的处理 [优化]保存最近测试的网址 2018-07-12 [优化]任务编辑界面循环匹配换行功能 [修复]标签不存在引起的错误 [修复]多次保存任务导致的重复编码问题 [修复]单条起始网址无法编辑的问题 [修复]没有多级网址无法获取网址列表的问题 2018-07-15 [新增]循环标签添加为新记录,循环不足第一条记录补齐 [优化]标签编辑中保存文件名,保存目录和系统时间高亮显示 [修复]循环获取和非循环获取同时存在时的逻辑 2018-07-16 [优化]将标签测试代码移植到类中,方便后期调用 [新增]标签下载的各项功能实现 2018-07-17 [新增]下载部分布局 [优化]重写http请求全部代码,实现代理功能 [优化]增加默认页重试 2018-07-18 [新增]增加标签保留字段,禁止用户使用 [优化]重写网址爬取,实现类中爬取网址 [新增]实现列表标签 [新增]实现标签排序 [新增]支持开始任务,结束任务 [新增]支持任务抓取网址 [优化]禁止关闭欢迎窗口 [优化]采集网址进度展示 [优化]开启任务或结束任务时判断是否已存在 2018-07-19至21 [新增]实现数据库转换功能 [优化]支持access,sqlite,mysql,sqlserver 2018-07-25 [新增]实现采集网址,统计网址数量 [新增]实现采集待采集单条内容,录入更新至数据库 [修复]保存任务,任务状态丢失 [修复]标签自动获取内容选项具体配置丢失 [优化]提升控件速度 [修复]多次开始并停止内容时注册多次事件 [优化]每次开始任务时重新读取配置 2018-07-26 [修复]固定标签内容为空 [新增]标签结果检测 [新增]内容多线程采集 2018-07-27 [优化]实现标签的内容过滤(标签不得为空,包含,不得包含,重复检测,长度判断等) [优化]实现一个网址多条结果的采集并录入数据库 [新增]实现采集完成后提示 2018-10-06 [修复]网址自定义规则存在多个标签时的错误 [优化]保存存在错误时,自动跳转对应界面 [修复]匹配时可能会有多种换行符的问题 [修复]采集网址时支持填写多个标签 [修复]采集网址时自动增减标签 [新增]增加标签名导出功能 2018-10-09 [新增]支持文件发布 [优化]过滤保存文件时路径或文件名包含特殊字符 [优化]实现发布时进度条 [新增]支持设置发布状态,发布成功自动标注(支持全部成功才标记) [新增]支持全部标记为已发和未发 2018-10-24 [新增]新增数据发布配置界面布局 2018-11-26 [新增]发布模块配置界面 [新增]支持加载发布模块 [新增]新增点选菜单控件 [优化]代码框支持插入标签 2018-11-27 [优化]支持新增和修改发布模块 [优化]支持带有密码的火车头模块和GAC模块 [优化]发布配置支持读取模块列表,支持点击编辑模块 2018-11-29 [优化]发布配置管理支持读取数据库中的配置 [优化]可以通过微型浏览器获取cookies [优化]发布配置可以修改和保存 [优化]重写发布配置方面XML操作方式 [优化]重写发布模块的XML读写方式 2018-11-30 [优化]支持编辑和删除发布配置信息 [新增]webpost可测试发布 [新增]支持测试发布模块和配置 [优化]测试标签自动保存,方便下次测试 [优化]登陆后的cookies进行保存 [优化]发布模块支持导入,导出,删除 至此,发布模块编辑,发布配置全部完毕 2018-12-01 [新增]规则编辑支持导入发布模块中的标签 [新增]规则编辑支持添加发布配置,删除,修改配置 2018-12-03 [新增]支持测试页面测试web发布 [优化]修改web发布,迎合通用发布接口,使其可以实现正常发布内容 [修复]列表标签编辑后成为标签的bug [优化]优化必须包含和不得包含返回结果,迎合测试日志 2018-12-21 [优化]修改采集规则和标签规则迎合插件 [优化]修改下载列表迎合插件 [优化]修改采集迎合插件 2018-12-24 [优化]迎合插件合并网址采集和内容采集 [修复]采集网址列表时,范围不支持(*)的bug [优化]迎合插件重写采集网址部分 2019-01-07 [修复]多个多级网址,会让列表标签消失 [修复]无法取消插件选择的情况 [优化]迎合插件网址获取结果改为List最后的最后,代码下载地址
链接: https://pan.baidu.com/s/1oyzO-Cnc_YS23svI9QiFYg 提取码: nu4n
代码未完全完成,测试时发现的bug均已全部修复
由于代码未进行大量测试,可能还存在过多问题,望见解
新手开发,仅供参考