DXC 采集，一个跨平台的数据采集软件

[milu05163614]

爬虫估计已经泛滥了，但是没有通用的解决方案。

好比大家想造一辆汽车，网络上各种开源的发动机，底盘，你可以轻易的组装出自己的汽车，然后跟我说，看，组装出一台汽车没什么难的，难的当然是量产了，下次你再想要一辆汽车，你还得重复上面的过程。而且你的方案，别人又没法轻易使用，好比你给自己做了一件衣服，衣服好看是好看，别人想穿在自己身上，就未必合适了。

市场上面一些解决方案。逛了一圈论坛，的确也发现一些不错的软件，但感觉都存在不少问题。

我的软件就是为了解决上述问题而产生。

1 、不会编程也可以编写采集规则
2 、几分钟内就可以完成一条规则，刷刷刷的采集了。而你还在那调试代码。
3 、通用的解决方案，基本上大部分网站都可以采集。对于一些个性化的需求，未来估计会开放一些接口，就可以针对性的低成本开发自己的爬虫系统。

当然了，上面都是功能上的描述。

还有其他功能：

1 、跨平台。目前支持 win 、 mac 、未来会支持 linux 。

程序不是.net 开发的，我最烦那些软件下载完还提醒我去下载什么 .net framework 框架，何况我很多年不用 win 了。 mac 下面的此类工具真的挺稀少。

2 、可以使用浏览器访问，也可以在软件里面操作。就像你家的路由器，你可以通过网页去控制。这个软件也是一样。如果你装在服务器，你可以通过网页轻易去访问，操作。这个功能非常有用。

3 、当然了，使用很简单。不用你安装什么环境。下载即可使用。开箱即用。写规则也很简单。这些可以慢慢体会。

界面截图：

下载地址： http://www.dxcer.com/
官方论坛： http://bbs.dxcer.com/

目前已经有不少用户使用这个软件，且评价都不错。

[siknet]

看了下，功能已经很强了，对于普通采集对象来说基本够用了。

后续版本会加入代理功能吧？单代理或者代理池或者二次代理都可以

[milu05163614]

@siknet 后续开发 linux 版本。放在服务器上面分布式采集才是王道。什么代理采集，这些肯定是标配。加入分布式采集，将任务分解出去，可以我们服务器后台帮你消化这些任务，也可以你自己搭建集群服务器去干活。

[milu05163614]

@siknet 目前可能对于通用性的采集的确够满足了。从用户反馈来看，几乎 95%以上的需求都可以满足。如果想要开发更加复杂的爬虫，可能以后开放一些二次开发的接口，基本写任何爬虫都没问题了。

[zqjilove]

基本用用还可以，碰到 JSON 数据加载的，就是完全不能用了。

[milu05163614]

@zqjilove 可以的，你要采集哪里，给我地址，我试试。

[milu05163614]

@zqjilove 我举个例子吧。

稀土掘金博客的采集。这个页面： https://gold.xitu.io/user/576353b9207703006b9a557d

源码里面是没有 [最新文章] 的数据的，这个是 ajax 请求。像你说的， json 数据加载。但是软件是可以采集这种数据的。

[zqjilove]

@milu05163614 下载来再仔细看看，初略看官方文档，貌似没看到。

[milu05163614]

@zqjilove 自己参考一下这个规则。 http://ww1.dxcer.com/iOS%E5%BC%80%E5%8F%91-%E5%8A%BC%E5%93%A5stone-%E6%8E%98%E9%87%91.dxc

字符串方式去获取。下次演示规则里面放一个演示一下。

[zqjilove]

@milu05163614 字符串提取后的， JSON 数据 Unicode 问题，貌似没办法解决

[milu05163614]

@zqjilove 如果程序判断出来数据格式是 json ，会自己转换的。你说说你采集哪里有问题，我测试一下就知道了。

[zqjilove]

http://www.yidianzixun.com/home/q/news_list_for_keyword?display=%E7%83%AD%E7%82%B9&word_type=token&cstart=30

能否给个案例看看，我测试还是有一些小问题

[milu05163614]

你这个很简单。我上面给的就是例子。

<img alt="img" src="http://ww1.dxcer.com/6D3FB20A-2755-4BA0-872C-EAA51C180537.png">


填
>"url":"[data]",

[milu05163614]

回复 居然不支持 markdown 代码。

截图：<img alt="img" src="http://ww1.dxcer.com/6D3FB20A-2755-4BA0-872C-EAA51C180537.png">
提取规则：

"url":"[data]",



@zqjilove

[zqjilove]

@milu05163614 ！！！！方便的话，给个联系方式

[sharpdevelop]

为什么我下载下来的安装包都是乱码的，解压也无法解压

[milu05163614]

@sharpdevelop 有些用户有这个问题，好像解压软件的问题，我在 mac 平台打包的，估计跟这个有关系。但是大部分用户都没问题。所以解决的办法，换一个解压软件试试。

[milu05163614]

@zqjilove QQ 452192831

[miao]

建议开发 Linux 服务器版, 开机运行, 这样直接在 vps 采集, 在办公室里通过远程网页采集, 那是相当愉快的.

[milu05163614]

@miao 老夫正有此意。

[miao]

@milu05163614 感谢感谢.

[milu05163614]

@miao 目前软件可以在 linux 图形界面下面运行没问题的。不过很多服务器都是命令行。这个需要花点时间。

[miao]

@milu05163614 是啊. 比较复杂.

[spice630]

需要登陆的可以不？比如 zhihu
难道你的采集程序不是前后端分离，后端基于 linux 开发？

[milu05163614]

@spice630
1 、可以采集登录可见的内容，甚至可以采集一些论坛回复才能看见的内容。设置 cookie 就行了。详细教程看这里 http://www.dxcer.com/guide/cookie.html

2 、我不知道你说的什么前后端是啥。什么基于 linux 啥的，我听不懂。

[spice630]

@milu05163614
1.手动登录？
2 。。。。

[milu05163614]

@spice630 手动登录有什么问题吗？难道要大家输入账号密码，然后程序去登陆？想不通为啥需要这样做。

[spice630]

@milu05163614
不会 被封？

[milu05163614]

@spice630 说实话。很少。不是很少，是没遇到过。一个网站不可能因为一个用户频繁访问而封掉这个账号。这样做，成本很高。程序上面得写程序检测，又不能误杀什么的。这么一套东西下来，很繁琐。
至少我没有遇到这类情况。

[spice630]

@milu05163614 早点 睡觉~~~

[spice630]

@milu05163614
有个问题 如果不能自动登录 那我每天要采集几十个网站的最新消息怎么办

[taolu729099134]

同 15 楼 我的也出现乱码

[milu05163614]

@spice630 你采集什么网站，几十个都要登录才能看见内容。我接触过的采集需求，只有 5%左右需要登录可见。

拷贝 cookie 进去采集，这个没什么麻烦的，只有这个办法。除非你有更好的办法。

[milu05163614]

@taolu729099134 用的啥解压软件

[v9ox]

马克了

很强大 明天就下载用用

[yivanus]

@spice630 一旦涉及自动登录的话，就需要考虑验证码识别了。。。这又是一个大头了。

[milu05163614]

@yivanus 是的，首先产品会变得复杂了。你需要填用户名、密码、有时候还需要填其他东西，还得告诉程序，登陆成功的标志是什么，如果程序内置自己判断的话，后面的代码可想而知。

从程序、产品上都是成本很高的东西。手动填 cookie 没什么问题，这是最简便成本最低的方式。

[yivanus]

如果用户自己实现登录到时很简单的。用户名和密码 可以使用 lastpass 这类 浏览器插件 来帮忙完成。成本也就只在 复制 cookie 那一下。

[milu05163614]

@yivanus 目前软件的方式就是，用户自己在浏览器登录，然后复制 cookie 就可以采集登录可见的内容。
这个过程很简单也没有什么技术门槛。除非有更好的方式。

[yivanus]

@milu05163614 可以尝试 解决不需要 验证码那一类的网站，软件可否打开浏览器登录页，然后让 lastpass 这一类软件帮忙自动输入，然后登录，抓取 cookie ？？

或者可以通过分析 网页表单，让用户 设置用户名和密码之类，通过 js 直接提交完成登录，抓取 cookie 。

[milu05163614]

@yivanus 你现在还是觉得复制个 cookie 很麻烦？只需要用户在浏览器登录，然后软件自己就自动获取 cookie ，复制都不需要？还是什么，我没听明白。

[spice630]

@milu05163614
是不是只需输入一次 ？只要采集软件不重启就不需要第二次输入？

[milu05163614]

@spice630 不需要再输入多次。就好比我登录这个论坛，这个论坛根据 cookie 判断我是否是登录状态。只要我把这个 cookie 给程序，程序就能代表我天天登录这个网站。这个网站也没叫你天天登录吧，说明 cookie 一般是长期有效的。

[milu05163614]

@milu05163614 软件即使重启，依然有效。就像你把浏览器关了，你再直接输入论坛网站，论坛不也照样认定你是已经登录状态吗？

[spice630]

@milu05163614
那还好

[peneazy]

支持一下，正需要这东西

[mingyun]

cookie 来模拟登录时最简单的了，这个软件看起来很强大，下载用用

[yivanus]

看了后面的讨论，感觉目前这样就可以了。登录那一块实在没必要花大功夫做。

[wtcoder]

话说 electron 开发的桌面应用，真的只能有这么大吗 - -

[milu05163614]

@wtcoder 只能有这么大，这意思是说软件太大，还是太小了。我没领会。

[wtcoder]

@milu05163614 太大了 ：）

[wtcoder]

@milu05163614 我本来想用 electron 做点简单功能性桌面程序，现在改用 C#了还是~