采集是为了更好地做站 站长切勿本末倒置

　 各种互联网项目，新手可操作，几乎都是0门槛

站长做站群网站，对采集都不陌生，网站架设起来了，先采集才能充实网站，再在后期不断发展。采集是网站的开始，后期才逐渐形成自己的特色。手工采集毕竟太麻烦了，于是出现了越来越多的软件采集，但如何采集到高质量的信息，这是站长更关注的。

A5站群论坛bbs.admin5.com 11月12日组织了“站长如何提高采集技巧”的话题版聊，邀请了火车头的孤魂一起探讨了采集问题。本文整理版聊部分重点，希望对采集感兴趣的站长有所帮助。

问：请问一下,如何采集高质量的资源呢,因为现在的目标站都类同,而且重复性太高。

答：多方位，全向发展，独特资源，收费资源免费或降低资费方案。

问：能简单说一下火车头采集时的原理吗?

答：火车头采集器已经支持通过正则提取网页内容，但是基于现实考虑，不是所有的站长都懂得正则表达式，所以说目前常用的方式就是设置开始和结束区域，然后从中提取需要的内容，当然你也可以选择通过正则表达式获取。

问：采集最简单的原理就是正则表达式。伪原创就是要对内容进行分析，但一般的采集都无法实现这些，我想证实是不是如此。

答：机器与人脑有差别，中文来说，一个字之差，前后的词语意思结合，朗读的语气不一样，可以理解成完全不同的意思，所以说目前的伪原创是不可取的方案，也是很无赖的方案。

问：伪原创就是要对内容进行分析，需要像搜索引擎那样对词法进行分析。请问嘉宾火车头能实现吗?

答：目前还不行，但是我们也有在研究垂直搜索引擎这一块，相信以后我们的伪原创会更智能。

问：如果大家都采集了网站就没有特色了，想请问采集要把握什么度? 请嘉宾说说。

答：这个是一个采集的重点，这个度得把握，的确，做网站得搜索引擎收录，一个新域名，建议每天更新的文章数不超过200篇。如果百度收录超过一万的网站，更新500以下。

问：用采集软件，我看只能做垃圾网站吧。做门户站，有用这软件的吗?

答：当然，你不知道sina、qq、163都是互采的吗，原来有一篇新闻，内容中的错别字，完全一样，但有一些关键词有所替换，哈哈，猜猜人家怎么做的?

问：火车头采集软件在国内应该属于最早吃螃蟹的人，但现在市场竞争越来越激励了，火车头采集有什么优势?

答：火车头采集器的优势有很多，我们也在不断发展!

1 这一点你已经讲到了，对于网站内容采集器来说，火车头应该可以算是最初的一批专业的网站内容采集软件;

2 火车头采集器最大的优势也就是灵活及开放，可以自己定义采集规则与发布模块，采集使用HTTP协议中的GET，发布一般使用POST，我们了解到他的原理后，灵活应用，还可以应用于其它互联网应用;

3 火车头采集器已经在开始模块化开发，目前已经实现了.net与php插件结合的功能;

4 另外，火车头在用户界面上，也做到了最大可能的简单与实用，会编程的朋友也知道，其实这个界面布局相当费劲;

5 还有其它更多的优势，基于火车头采集器的灵活性来讲的，就不细细列表了，大家可以下载火车头采集器体验一翻。

问：因为没有用过采集工具，所以问一个较菜鸟的问题，希望不要见笑。采集出来的内容如何做到伪原创?

答：有关键词替换、打乱文章段落、自动提取关键词等。我的经验是：非小说类内容采集到本地以后，手动修改一些，然后再发。

问：听说火车头采集可以伪原创，能达到什么程度的原创?

答：目前只能通过关键词替换，还可以自己编写.net插件将段落重新排序，这样的。但我个人对这种方式不是很看好，感觉还能找到更好的伪原创方法。

问：我看过火车头站群论坛，你们的网站也是采集的吗? 你也用火车站的采集软件吗?

答：我们的技术论坛不是采集的哈，全是论坛会员交流的，我们自己也属于草根站长，当然还有其它网站，而且绝对是用火车头采集器采集的，别人就说了，为什么火车头采集器越做功能越强，我就告诉大家吧，因为我们采集的时候需要到这些功能，所以我们就做了，我们开发软件就是站在用户的角度去开发的!

问：什么类型的网站更适合采集呢?

答：看具体情况，我们的采集器不只是用于做网站的，还有一些用户需要收集一些数据，这也是可以做到的，这个哪些网站适合于采集，不好讲，因为这个你不是为了采集而去做网站，而是为了做网站去采集，仁者见仁吧。

答：我觉得图片、下载资源、电影、网络小说以及在国内没法做好的新闻站等特别适合。

问：文章类的大体上都是垃圾站，小说阅读类的算不算垃圾站，我持保留意见。

答：小说站就看你的更新频率了，目前火车头采集器的机制不适合于做小说站更新使用，火车头讲了，会单独开发小说站的采集器，可能会很暴力!

问：拥有大量原创的网站，想必都是希望不被采集吧!请问孤魂，火车头是否考虑过防采集呢?

答：这个问题火车头在一次其它网站的访谈中已经回答了，网站没有绝对的防采集，只是技术间PK而以，因为你得显示到网页上，就绝对有从服务器输出内容，那么也就是说你只要是在HTTP协议范围内的东西，都是可以采集的，只是解决方案不同而以。

问：火车头有没有考虑多线程采集，以及实现网络版。

答：火车头从出生就有了多线程的功能，网络版我们也有测试，UI和一些功能都做好了，但是介于其效率及其它问题，目前没有继续开发了。

问：采集说起来好像不太“光明”但站长都离不开采集 ，嘉宾是怎么看采集市场呢?

答：采集没有什么，采集是一个工具，你自己crtl+c +v，也叫采集，只是方式不一样了，人吗，就得学会使用工具噻，呵呵。

答：人是要用工具的，不过有点阿Q，不过人人都是如此都是crtl+c +v 要跟着大队伍。

答：只是他们还不知道火车头采集器而以，呵呵，做人要低调，淡定。

问：请问火车头是否有采集规则库?我想这点也是许多暂时还未使用火车头进行采集的草根站长们希望了解的。毕竟有许多草根站长作战还不明确，经常会改变自己的做站思路以及行业领域。

答：这个目前没有，呵呵，因为每个人的采集目标不一样，所以这个得自己制作，制作一个简单的采集规则可能只需要几分钟的时间，如果熟练的话。

问：我还没去过火车头，刚去火车头论坛要怎么开始火车头之旅呢?

答：1. 下载火车头，用免费版先学习，了解火车头的原理与机制：http://www.locoy.com/locoy/2009/0807/down-94.html

2. 下载视频，看视频中如何操作的，然后根着制作一个采集规则和发布模块试试：http://wiki.locoy.com/doc-view-59.htm

这里有文字档的：http://help.locoy.com/

问：感谢火车头的精彩回复辛苦了，最后代表大家问个问题。现在火车头有没有推出优惠或者什么好用的教程之类可以给大家分享的呀?呵呵

答：只要用户有需要，这个我们可以向火车头提出申请的，可以a5举行一次团购，这个我跟公司负责人讲一下，然后公布细则，更好地服务广大站长。

采集不是目的，是为了更好的做站，这是采集的意义，希望有更多站长明白这个道理，纯粹的采集，是留不住用户的，只有多样化，有特色的网站才是用户的首选。采集只是工具，站长要学会利用这个工具，但不依赖它，这才是采集的目的，站长切莫本末倒置哦。(文/梦江整理)

更多关于采集话题的版聊信息，可以登陆到版聊帖看看，帖子地址：

http://bbs.admin5.com/thread-1406155-1-1.html