当前位置：首页 → 行业软件 → 出版印刷 → 水淼万能文章采集器破解版 1.22 绿色免费版

水淼万能文章采集器破解版

1.22 绿色免费版水淼万能文章采集器下载评分：分

下载地址

软件大�。�1.1M
软件语言：中文
更新时间：2014-01-24 08:53
软件类别：下架/出版印刷
软件性质：PC软件
软件厂商：
运行环境：WinAll
软件等级：
官方网址：暂无

本地下载

点赞50%（1） 差评50%（1）

软件介绍
软件截图
猜你喜欢
同类推荐
相关文章
下载地址

水淼万能文章采集器这个软件官方报价400元，有网友分享了破解版本，下边在这里分享给需要的用户使用！

官方介绍：

水淼软件出品的一款基于高精度正文识别算法的互联网文章采集器。支持按关键词采集百度等搜索引擎的新闻源（news.baidu.com）和泛网页（www.baidu.com），支持采集指定网站栏目下的全部文章。更多介绍..

水淼软件独家首创智能的万能算法，可以精确提取网页里的正文部分保存为文章。

支持去标签、链接、邮箱等格式化处理�；褂胁迦牍丶使δ�，可以识别标签或标点旁边插入，并且能识别英文空格间距插入。

更有文章转译功能，也就是可以将文章从一种语言如中文转到另一种语言如英文或日文，再从英文或日文转回中文，这样就是一个转译周期，可以设定转译周期循环多次（转译次数）。

采集文章+翻译伪原创可以满足广大站长朋友们在各领域主题的文章需求。

而一些公关处理、信息调查公司所需的由专业公司开发的信息采集系统，售价往往达到上万甚至更多，而水淼的这款软件也是一款信息采集系统，功能跟市面上昂贵售价的软件有相通之处，但价格只有区区几百元，性价比如何试试就知。

相关介绍：

什么是高精度正文识别算法

此算法由水淼自主研发，可以在一个网页里提取出正文部分，通常精度可以达到95%，如果再进一步设置最少字数，采集的文章的精度（正确性）可以达到99%。同时文章标题也实现99%的提取精度。当然，一些网页排版格式比较混乱、不规则时，该精度可能有所下降。

正文提取模式

正文提取算法有3种模式，标准、严格、精确标签。大多数情况，标准和严格模式是相同的提取结果。下面说的是特殊情况：
标准模式：即一般性提取，大多数时候能够精确提取正文，但一些特殊页面会导致提取到一些不需要内容（但本模式能够较好识别类似百度经验的文章页面）
严格模式：顾名思义，比标准模式严格一点，可以很大程度避免不相关内容提取为正文，但对于特殊分段页面如百度经验的页面（不是一般<p></p><br>段落，而是有格式的多个独立div段），一般只能提取到某一段，而标准模式则可以提取全部段。
精确标签：当标准和严格模式不管用时，可以精确指定目标正文的标签头。本模式只适合网络批处理。
所以可以根据实际情况来切换模式�？梢允褂帽镜嘏淼亩镣痴墓δ芾床馐灾付ㄍ呈屎夏闹帜Ｊ教崛�。

采集时的处理选项

采集时可以同时进行转译、过滤、查词等处理。对于已采集好的文章可以使用《本地批处理》处理。
其中的转译功能，就是将中文翻译成英文再翻译回中文，也就产生了伪原创效果。支持原格式转译，也就是不改变文章原有标签结构、排版格式。

采集目标为网址

可以在网址模板里插入 #网址#、#标题#来组合引用

分页采集和相对路径转为绝对路径

打勾“自动采集分页”就能将分页文章采集合并，编辑框设置值为采集分页的最大数量。建议设置一个有限值如10页，避免一些分页过多的采集耗费时间长，合并后的文章体积大。如果需要采集全部分页，可以设置为0。
而文章里的所有相对路径都将自动转为绝对路径，如此可确保图片等正常显示。

多线程

支持多线程高速采集网页�？梢愿萃俣�，电信2m可以5个线程，电信4m可以10个线程，更多以此类推，但需适当设置，设置太多将可能严重影响采集效率甚至影响系统效率。如果采集时有其他占用流量的软件在运行比如在线视频播放，可以适当降低线程数。

文章标题和文章内容重复的处理

程序可以智能判断并过滤重复文章
当采集到的文章标题（文件名）与本地已经保存的文章标题相同时，水淼将首先判断两篇文章的相似度，当相似度大于 60% 时，水淼判断为相同文章，这时再比较两篇文章的文字多寡，自动使用文字多的文章覆盖写出到相同文件名处。这样的生成情况是不累加到生成数量的。
当相似度低于 60% 时，水淼判断为不同文章，将自动重命名标题（取3到5个随机字母接在标题尾）保存到文件。

文章快速筛选器

虽然水淼研究了一个准确率极高的正文提取算法，但难免还是有极少数提取错误，这些错误主要是：目标网页的主体是在线视频，或主体内容过于简短而无法形成正文的特征。因此可以通过设置提取最终结果的字数多少来提高准确率（在“正文最少字数”参数，这个字数是程序将正文去标签、去行、去空格之后的纯文字字数）。
而文章快速筛选器就是为了快速查看采集好的文章，方便判断删除提取正文错误的文章。同时也方便基于网络信息采集目的而需要进行的炼选过程。

生成篇数不固定的问题

百度、搜搜默认每页100条结果，谷歌默认每页10条结果。
一些网站访问速度超时（尤其是谷歌收录的不少都是一些被墙的网站），或设置了正文最少字数，或程序忽略已在本地有同名的相似内容文章，或黑名单白名单的过滤等，都会造成实际生成篇数低于一页搜索最大结果数。

总体来说，百度采集的质量最好，生成篇数贴近搜索结果数。

文字教程：采集指定网站的文章

首先说明一点（以百度举例），新闻源的主页是 news.baidu.com，泛网页的主页是 www.baidu.com，在这个主页里可以输入关键词搜索文章，而程序里给出关键词列表就是由程序来批量搜索网页，并抓取回搜索结果，然后提取结果里的网址，再对这个网址采集目标网页的正文和标题。

泛网页的关键词可以直接使用 site、inurl 等搜索引擎支持的语法，想要采集指定网站就必须选中泛网页单选框。

想要采集百度经验，直接输入关键词 site:jingyan.baidu.com ，即可自动采集百度经验上的文章

（在采集百度经验时，如果启用黑名单，需去掉 *.baidu.com 项，或在黑名单中的白名单里添加 jingyan.baidu.com 项；也可以直接选无过滤）。

另外，指定采集某网站时，请将线程数量设置为1或2个，否则过多线程同时对一个网站进行访问，第一可能会造成该网站的反应效率问题，反而采集更慢，同时也影响别人对该网站的访问体验，第二是如果该网站有监测功能发现你多个线程在对着他访问，可能会直接屏蔽掉你的访问。