咱们好，国庆节过了，祝咱们节日快乐，特别要祝是守候在群的一线的光棍们有情人可度，有愿望可求。今日讲一下网站数据的收集及实践。 谁都知道，曾经建个站都是辛辛苦苦地一个代码一个代码敲出来的， 那时的站长真是苦工中的苦工，后来就出来的许多的网站模板， 再后来呈现了CMS即content manager system（内容管理体系），如动易、DEDE、phmcms等等，这种大大方便了网站的制作和内容的录入。 无疑一个网站的内容丰富性和趣味性是招引用户的当地，所以图片站总是很火，特别是美人图片（meinv38.com），假如想做一个站，复制粘贴肯定是不行的 一夜之间具有几万张图片几万篇文章才是咱们的愿望。那么完成的方法便是数据收集。 今日仅说下数据收集的一些根底东西，高手飘过，菜鸟仔细的学，权当入门。

首先是内容的挑选

网上国际千奇百怪，各个站长都想方设法地研讨怎么招引眼球。这做站好像做文章，不行能把一切的东西都搜罗进来，要懂得取舍 再好的内容与你的网站主题也要契合，即便废物站（即无原创内容大部分是收集他人内容的站）初期阶段或许不予计较，但时刻长了，废物站的方针仍是把废物做成精品，不然就死定了。

怎么挑选好的内容，我以为要做好以下几个方面：

①挑选内容要你的站的主题契合的比较好。

比方做轴承站的能够收集轴承新闻、轴承技能什么的，也能够大一点收集机械制造方面的，但不要太偏离了，就不要挑选美人图片这样的内容，尽管这类内容招引人，但一方面给人形成的感觉不专业，另一方面也简略被百度K。 假如你觉得非采这个不行。能够搞个二级域名的方法专门建个相对独立的站，如pic.xxx.com，和主站相对脱节。 字串7

②收集的内容的格局尽量一致。

尽量挑选些精品网站进行收集，收集内容的风格和格局要尽量一致，不然会显得不专业，显得太散乱，影响客户的拜访心情。

③不要一次性收集太多。在建站初期各个栏目恰当收集几百条垫底就行了然后每天都收集一些，不然初期太多的流量对一个新站来说也无太大裨益，并且很风险，简略被百度K站。

④收集内容要选好关键字，做好网站的tag，不要见内容就收，不然真成废物了 查关键字在百度中的排位状况，是不是有或许冲击前几位，有一二个关键字就够了，这个是流量的确保，便是网站的SEO的一部分，最近才学的，不太懂哈。

⑤为防止百度K站，挑选不同编码的站是个不错的主张，比方能够收集big5的繁体站转化成自己的gbk的，有才能的乃至能够经过机器翻译把英文的变成中文站，这样都是原创性的了，被百度K的或许性便是0。 我有一个客户把百度常识的东西经过翻译引擎直接做了个英文常识站。 招数千变，仅有的方针是有安全的流量。

⑥要收集的源站要有继续更新的才能，尽量不要采死站，呵呵， 一方面能常常收集，另一方面这样的站的信息有时效性，可确保你收集的内容新鲜。

其次讲下收集东西的挑选

收集东西不下几十种，怎么挑选恰当的东西要看各位的喜好，其实学好一二种收集东西就能够了。 有cms体系自带的如帝国cms自带的收集， 有专门的收集的软件如火车头、小蜜蜂、贴探小黑、守望、三人行、ET等等，下面简略介绍一下：

①火车头收集软件，这个是最早的收集的软件，也是大名鼎鼎的收集软件， 软件装置有点费事，软件选用.net 架构，不过也简略搞定。 字串8 软件的长处许多，规矩制定也相对简略，能够制定整个站的规矩，也能够本地入库同步发布到网站。 缺点是发布模块不简略找，并且难于开发，对新手来说很难发布成功。 因为作者近半年都没更新，bug比较多，最新的V3.2快出来了，仍是值得等待的。

②小蜜蜂收集，这个能够和他的BBWPS--小蜜蜂商务网站门户体系整合运用，也能够单独用，需求本地装php环境，也半年没更新了 不过对国外的一些cms如joomla支撑，仍是不错的。方才有问做英文站收集，用这个也是能够的

③贴探小黑 这个是收费的收集器，对新手来说还比较好用， 但规矩制定感觉好别扭，比较好的处理了发布的问题，速度也很快，最新的4.0出来后作者或许会中止开发了 这个对论坛收集比较好，对网站的cms还不支撑，还有不能多页收集，缺点比较多。

④三人行 这个软件仍是下了许多功夫的，界面有些粗糙，感觉不到位，有些做弊功用很不错，比方论坛同时在线、批量发贴等等 呵呵，平常很少用。因为作者的名利要素有许多不同姓名的软件版别，功用根本相同，有些紊乱。

⑤守望。这也是php的渠道开发的，可直接装置在网站服务器上，直接收集到服务器上，这个比较好，免除了数据上传时刻。

⑥ET。这个可谓后起之秀，比较好用，制定规矩也简略灵敏，但有的当地还不老练。支撑的体系还不多，不过潜力很大，新出的模仿提交，根本上绝大部分类型的收集都可做了。

以上是收集东西的介绍，哪种好用要看各位的偏好了。

收集用到的东西还包含抓包剖析东西，如sniffer，wsockexpert等。

ASP的收集器

源代码剖析东西，关于地址躲藏的网页用漫游自带的viewpage也挺好， 好象火车头3.2顺便的新的源代码剖析东西放出来了，对一些难收集的网站能够试试。

一般咱们喜爱用2000/xp自带的记事本检查源代码，主张升级到vistia的记事本，支撑繁体和结构，肯定好用更深一步的还要学习破解ajax，就里就不介绍了。 第三个方面我讲收集数据的加工。数据收集来当然能够直接发布到网上去，但经过加工作用会更好。 数据的加工包含去掉他人的广告，换上自己的广告，过滤掉一些外站的链接

数据格局的简繁转化及编码转化

网站优化SEO处理等等 这儿要注意的问题是他人广告必定要过滤洁净，不然自己得不到广告费，他人的GG帐户也不安全，反而也害了他人。 还有SEO处理不要过份，恰到好处，不然只会起反作用。 更高层次的收集是把收集内容变成自己的原创，这个需求高手自编程序对数据进行处理（qq2030.com）

目前为止还没见过这样的东西，不过有《张狂作文》这样的软件出来，信任也不是做不到。

第四个方面是后续保护

这个后续保护也能够翻陈出新，把已收集的数据进行再加工，增加新的关键字，新瓶也能够装旧酒。

经过我对几十个客户的收集教程，谈下我的领会。 收集内容要重视必定热度的内容，比方QQ空间、QQ表情这些流量是很猛的，还有私服发布站、游戏类型的网站， 有针对性集体的网站也比较好做。我一个客户一个月前收集的女人论坛站，数据有4万，现在根本在线在150人左右，日发新贴140篇。还有一个台湾客户2个月前收集的verycd电影站，现在日增新注册用户50左右，可见废物站仍是有做头的。大体内容就讲这些了，有什么需求了解的请朋友们提出来！