分享既是一切,价值才是关键。相遇不易,但请珍惜。
这款软件,只需要输入关键字就可以采集各搜索引擎收录站点的网址、域名、标题、描述等信息。
水淼·关键词网址采集器
搜索引擎支持:搜狗、谷歌、雅虎、百度、360、必应等。
关键词可以附带搜索引擎参数,就跟网页里输入关键词搜索一样,如百度里搜索结果网址中必须包含bbs的关键词,则输入“关键词 inurl:bbs.”
Excel导出:
csv是一种文本表格,能被Excel兼容显示为多列多行的数据。只要在保存模板中设置为:
“#网址#”,”#标题#”,”#描述#”
这种格式就是csv格式,使用引号围住每个项目,多个项目使用逗号隔开,然后保存扩展名填为csv即可
保存模板可引用的数据:
关于#网址#
采集对象的网站网址
关于#标题#
网站标题
关于#域名#
取原来的网址,不要加/.html、/index.php等,如“xxxxx/1.html”中的“xxxxx com”
关于#顶级域名#
顶级域名,不要加二级三级域名,如“muge.xxxxx/1.html”中的“xxxxx com”
关于#描述#
网页标题下面的一段描述文字
关于一些软件使用情况的问题解答:
1.为什么采集回来的网址的主题与关键词不符?
是因为引用了 #域名# 或 #顶级域名# 后,取的是域名部分,域名打开的是该网站的首页,而采集的原网址可能不是首页,而是该网站的某一篇文章的内页,该内页包含关键词主题,因此被搜索引擎收录,软件才能采集得到。但取域名后,你打开的域名首页就不一定包含该关键词。
为了比对采集是否正确,可以在保存模板里输入:#标题#
,保存为htm文件,采集完后可以自己打开该文件查看比对。
2.不同批次关键词采集的结果为什么会存在部分网址重复?
尤其是只引用了 #域名# 或 #顶级域名# 之后,这种部分网址重复的情况比较多。这也是正常的,因为每个网站的内页可能包含很多主题,不同关键词都可能采集到该网站的不同内页,当引用域名后,相同网站的不同内页的域名结果自然就相同了。
另外,软件里的自动去重,是针对本次采集的结果内部进行去重,以前采集的结果是不在本次去重范围的。如果两次采集的结果存在部分网址重复,可以把他们合并一起,使用软件去重(水淼·文本去重打乱器)。
3为什么采集一段时间之后,无法采集?
这可能采集多了被搜索引擎限制。一般换个IP(如使用VPN换IP)即可继续采集,如果不换,只能等待搜索引擎取消屏蔽之后才能继续采集。百度的屏蔽时间通常半小时到数小时。
不过,现在即使出现验证码屏蔽,软件也会弹出验证码手动输入的(百度、谷歌)
百度云盘地址:https://pan.baidu.com/s/1kUZsu9p
软件报毒正常,如果不放心可以使用360沙盒、影子系统、虚拟机等,里面运行软件~
(转载请留下原文地址,谢谢~)