Simone如何采集百度新闻中的文章
的有关信息介绍如下：
本文主要讲用火车采集器采集百度新闻中的文章，不讲如何发布到网站上，只讲采集到本地。主要包括两大步骤，一个是采集新闻列表，然后是采集具体内容。
在左侧控制面板中点击右键，选择新建分组，分组名为test
选择test分组，右键，选择新建任务，弹出如下对话框
比如采集手机游戏的文章，可以先在百度新闻里面搜索 “手机游戏”
为了方便比较网址的规律，将网址复制到word中，点下一页，复制网址到word中，多复制几个，寻找规律从上图可知，第一页没规律，从第2页开始，&pn=是20递增
点击添加网址，由于首页网址规律不一样，可以先添加首页网址，如下：
按规律批量添加其他网址，有变化的地方用（*）代替,递增的数列为20，如下：
查看百度新闻列表的源代码，发现这些新闻列表中新闻内容的网址规律如下：
添加采集内容网址规律
测试一下采集网址规则，看能采集到相关网址列表说明：如果测试结果中有很多无效网址的话，可以在写内容网址规则的时候，写排除哪些规则的网址
双击下面的测试列表中的网址，写内容规则
采集文章标题和内容，有需要的也可以采集文章时间等其他参数，先点开这个网址，查看源代码，可以了解到标题都是在
采集文章内容，新版本的火车采集工具，有一个正文提取功能，可以直接提取正文内容，这样很方便，自己可以过滤掉一些不用的css，或其他html标签
测试采集结果
测试好后保存好规则
选择百度新闻采集任务，然后右键，选择采集。
采集内容中，采集新闻可以使用正文提取 ，如果正文提取不行的话，需要使用其他方式，如前后截取，正则等。。
采集结果要多选几个网址测试一下，过滤掉一些无用内容。
现在要商业版才能使用正文提取
本文谢绝转载
