一款基于高精度正文识别算法的互联网文章采集器。支持按关键词采集各大搜索引擎的新闻和网页,还支持采集指定网站栏目下的全部文章。
基于水淼自主研发的正文识别智能算法,能在互联网纷繁复杂的网页中尽可能准确地提取出正文内容。
正文识别有 3 种算法,“标准”、“严格”和“精确标签”。其中“标准”和“严格”是自动模式,能适应绝大多数网页的正文提取,而“精确标签”只需指定正文标签头,如“<div class="text">”,就能通吃所有网页的正文提取。
关键词采集目前支持的搜索引擎有:百度、搜狗、360、谷歌、必应、雅虎
采集指定网站文章的功能也非常简单,只需要稍微设置(不需要复杂的规则),就能批量采集目标网站的文章了。
因为墙的问题,要使用谷歌搜索和谷歌转译文章的功能,需要使用VPN换国外IP。
内置文章转译功能,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,再从英文转回中文。
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。
|