输入关键字采集各搜索引擎的网址、域名、标题、描述等信息

支持百度、搜狗、谷歌、必应、雅虎、360等。每个关键词600到800条，采集例子

关键词可以附带搜索引擎参数，就跟网页里输入关键词搜索一样，

如百度里搜索结果网址中必须包含bbs的关键词，则输入“关键词 inurl:bbs.”

保存模板可引用的数据：

#网址#采集的原始网址

#标题#网址对应的网页标题

#域名#原始网址的域名部分，如“http://test.shuimiao.net/123.htm”中的“test.shuimiao.net”

#顶级域名#取原始网址的顶级域名部分，如“http://test.shuimiao.net/123.htm”中的“shuimiao.net”

#描述#网页标题下面的一段描述文字

Excel导出：

csv是一种文本表格，能被Excel兼容显示为多列多行的数据。只要在保存模板中设置为：

"#网址#","#标题#","#描述#"

这种格式就是csv格式，使用引号围住每个项目，多个项目使用逗号隔开，然后保存扩展名填为csv即可

问题集锦：

1.为什么采集一段时间之后，无法采集？

这可能采集多了被搜索引擎限制。一般换个IP（如使用VPN换IP）即可继续采集，如果不换，只能等待搜索引擎取消屏蔽之后才能继续采集。百度的屏蔽时间通常半小时到数小时。

不过，现在即使出现验证码屏蔽，软件也会弹出验证码手动输入的（百度、谷歌）

2.不同批次关键词采集的结果为什么会存在部分网址重复？

尤其是只引用了 #域名# 或 #顶级域名# 之后，这种部分网址重复的情况比较多。这也是正常的，因为每个网站的内页可能包含很多主题，不同关键词都可能采集到该网站的不同内页，当引用域名后，相同网站的不同内页的域名结果自然就相同了。

另外，软件里的自动去重，是针对本次采集的结果内部进行去重，以前采集的结果是不在本次去重范围的。如果两次采集的结果存在部分网址重复，可以把他们合并一起，使用软件去重（水淼·文本去重打乱器）。

3.为什么采集回来的网址的主题与关键词不符？

是因为引用了 #域名# 或 #顶级域名# 后，取的是域名部分，域名打开的是该网站的首页，而采集的原网址可能不是首页，而是该网站的某一篇文章的内页，该内页包含关键词主题，因此被搜索引擎收录，软件才能采集得到。但取域名后，你打开的域名首页就不一定包含该关键词。

为了比对采集是否正确，可以在保存模板里输入：#标题#

，保存为htm文件，采集完后可以自己打开该文件查看比对。

Tags：