(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<KeyValuePair<string, Dictionary<string, string>>>

[修复]采集网址时,不是最后一层也入库的情况

[修复]未勾选采内容依旧采集内容的情况

[修复]列表标签多级继承

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

转载于:https://www.cnblogs.com/jianzhan/p/11491918.html