EditorTools3(ET采集器)

EditorTools3 属于自动采集类工具，核心用途是替用户从网络中抓取资源，并完成自动发布。它独立运行，不占用网站自身性能，能够长时间稳定工作，不需要人工看管。软件会持续监控目标，自动整理收集到的信息，并提供免费文件下载，适配绝大多数网站环境。 在采集与发布方面，它不限制网站类型和数据库类型。程序内部附带了大量常见系统的配置范例，涵盖 discuzX、phpwind9、dvbbs、dedecms、dede淘宝客、wordpress、phpcms、帝国cms、动易、新云、风讯、pbdigg、php168、bbsxp、phpbb、百度空间等。使用过程中，你无需改动现有的论坛或网站结构，适合那些需要长期补充内容的站点。 它能抓取应用、文章、图片、视频等资源，采集结果统一呈现在软件界面里，并支持一键下载所采集到的内容。与普通资源搜索工具不同，它除了收集资源外，还能自动关联迅雷、快车、旋风等链接文件，从网址直接访问下载站资源，也能处理新浪、DZX 等假地址图片，功能覆盖较广。软件可二十四小时不间断监控目标，实时完成采集，不需要人工值守，从而减少重复劳动、节省时间。ET采集，释放自由，易用、稳定、低耗，有需要的用户可以下载体验。

软件功能

适用广泛

这类采集工具覆盖面相当广，基本上各类网站都能应付，适配比例达到99.9%，发布环节同样不受程序类型限制，本地文件也能直接抓取，并且无需接口即可完成发布。

信息随心所欲

把零散信息重新拼合，再借由数据处理能力进行深层次提炼，从而催生出不一样的内容。

任意格式文件下载

想处理什么内容都行，静态的也好，动态的也罢，图片、音乐、影片、应用程序，乃至 PDF、Word 文档，连种子文件都不在话下。

伪原创

同义近词快速更替、词组随机变换与段落顺序打乱，为内容搜索优化提供支持。

无限多级页面采集

垂直多层页面、平行多分页，乃至 AJAX 调用的页面，都能便捷抓取；

自由扩展

接口完全开放，支持自行开展二次开发，功能与需求皆可自由定义和实现；

内置范例覆盖了众多常见建站系统，涵盖 discuzX、phpwind、dedecms、wordpress、phpcms、帝国cms、动易、joomla、pbdigg、php168、bbsxp、phpbb、dvbbs、typecho、emblog 等。

EditorTools3(ET采集器)特色

1、ET随系统启动：电脑开机进入系统后，ET程序便会自行运行；

2、ET启动后自动进入工作状态：开启此项后，ET运行时会自动沿用上次使用时选中的工作方案；同时，也只有勾选本项，当前选定的工作方案才会被自动记录下来。

3、启动即最小化：ET 运行后不会展开主界面，仅在系统托盘中保留一个图标。

4、规则首尾空白忽略：勾选该选项后，采集配置里的每条规则都会自动清理掉开头和结尾处的空格、回车、换行等空白符号，防止因手动输入时多打了空格或换行而造成规则解析出错；若你恰恰需要借助空格或换行来界定规则的起止范围，就应当取消勾选。

5、方案切换间隔：当启用自动运行并选中多个方案时，每完成一个方案当前列表的采集任务后，需等待多长时间才会切换到下一个方案继续采集。

6、网络访问超时设定：为网络请求指定一个等待时限，若超出该时长仍无回应，则自动中断连接；

7、网络访问重试上限：当采集网页、下载文件或进行FTP上传等操作遇到失败时，可在此设定自动重试的次数。

当自动模式运行期间，若连续访问网页未成功达到设定次数，ET 会被自动重启，用来应对网络堵塞等可能让任务无法继续的情况。需要留意的是，这项机制只在自动工作状态下起作用；一旦停止自动工作，失败次数会被清零，而手动重试访问则不会计入失败次数。

系统环境

1、EditorTools 可在简体中文版 Windows 系列操作系统上运行；

涵盖 Windows XP、Windows 2000、Windows 2003 以及 Windows Vista 的简体中文版本；

非中文版本的 Windows 系统或许也能运行其中一部分，具体能否正常使用需要用户自己测试，官方并不针对这类环境提供技术协助。

2、EditorTools 的运行依赖以下软件环境：

微软数据访问组件 2.8 及以上版本（即当前较新的 ADO 数据库驱动）

scrrun.dll 已完成注册，该组件用于脚本的读取与执行，并支持文本文件的读写操作。

vbscript.dll 已完成注册，该文件用于为 VBScript 脚本提供相关支持。

系统自带的这些Windows工具本身不收取费用，不过在日常操作过程中，它们有可能被误删、破坏，或者遭到停用。

EditorTools3(ET采集器)使用说明

当系统提示“提示库未注册”或MDB文件无法正常打开时，可尝试通过重新注册相关组件来修复该问题。

在启动ET过程中若弹出“库没有注册”的提示，多半是系统里某个关键的DLL文件未能成功注册，此时需要手动重新注册该文件才能恢复正常。

解决方法如下：

在“开始菜单”中打开“运行”，然后逐条输入下列命令并执行：

regsvr32 scrrun.dll

regsvr32 jscript.dll

regsvr32 vbscript.dll

若按前面的方法处理之后故障依旧存在，又难以确认究竟是哪个文件没有完成注册，可以把 system32 目录下的 DLL 文件全部重新注册一次，具体做法如下：

打开“开始”菜单，找到“运行”并点击，接着键入 cmd 并回车，调出命令提示符窗口；在这个窗口中粘贴或手动输入下方这条指令，按回车执行就行：for %1 in (%windir%\system32\*.dll) do regsvr32.exe /s %1

执行这条命令前，先把其它正在运行的软件都关掉，杀毒软件的实时监控也要暂停，免得干扰操作。内存越充裕，处理起来就越利索。想在CMD窗口里粘贴内容的话，可以右键点击窗口，从弹出的菜单里选“编辑”再点“粘贴”，之前复制好的命令就会出现在输入行中，按下回车键即可让它开始执行。

若前两种方式均无效，则问题多半出在 mdac 文件已遭破坏。此时可获取 mdac 2.8 或更高版本的安装包，重新执行安装。假如使用的是 XP 系统并打算进行修复安装，可先进入 c:\windows\inf 目录（c:\windows 为常见系统路径，请以你电脑中的实际目录为准），找到 mdac.inf 文件，在其上点击右键并选择“安装”。随后系统会要求指定路径，此时定位到 c:\windows\servicepackfiles\i386；当屏幕提示插入 XP 安装光盘时，将光盘放入光驱即可。

三、在非简体中文版 Windows 系统中 ET 界面显示异常的应对方法

ET这款软件面向国内用户打造，现阶段只推出了简体中文版，可在简体中文Windows系列操作系统中运行。

在非中文版本的 Windows 系统上运行该软件时，界面文字有可能变成问号等乱码。造成这一现象的原因在于系统里没有微软标准的简体宋体字库，而该软件正好需要调用它。解决办法就是把这个字库装上，文件名为 simsun.ttc，可以从微软简体中文版 Windows 的安装光盘中提取。

四、UserAgent 是什么，以及在 ET 里如何配置

常见问题

1、UserAgent是什么？

浏览器在访问网页时会附带一段识别字串，用来表明自身是哪款浏览器软件。网站正是借助这个 userAgent 来辨认访客当前所用的浏览器类型，再依据该浏览器的支持能力，给出与之匹配的功能。不少统计平台也依靠它来掌握各版本浏览器的用户分布情况。

2、UserAgent在ET里能起到什么作用？

部分站点出于拦截搜索爬虫、广告批量发送、自动化程序或其它违规访问等目的，会对到访的浏览器加以限制，这样一来采集就可能无法完成。遇到这种情况，就得调整UserAgent，借助一段识别字串把自己伪装成别的浏览器，比如：

QQ 的 USERAGENT：

Mozilla/4.0（兼容；MSIE 5.00；Windows 98）

Firefox 3 所标识的 UserAgent 信息：

Mozilla/5.0 (Windows; U; Windows NT 5.2; zh-CN; rv:1.9) Gecko/2008052906 Firefox/3.0

其他常见UserAgent字符串：

Mozilla/4.0（兼容；MSIE 6.0；Windows NT 5.1；SV1）

Mozilla/4.0（兼容；MSIE 7.0；Windows NT 5.1；.NET CLR 1.1.4322；.NET CLR 2.0.50727；.NET CLR 3.0.04506.590；.NET CLR 3.0.04506.648；.NET CLR 3.5.21022）

3、配置Useragent

在ET里配置UserAgent的方法，可查阅使用篇的操作第一步中的设置UserAgent部分。

五、遇到DEDE提示“首页文件路径错误，无法创建文件”时该如何处理

调整首页的HTML输出路径，留意相对路径与绝对路径之间的差异。

方法二：通过修改接口实现，定位到 dede 接口文件 etpost.php，在其中搜索如下代码：

这段代码判断的是配置项 cfg_makeindex 是否等于“是”，如果成立，就进入对应分支执行后续逻辑。

这段内容是一行 PHP 代码，作用是创建一个名为 PartView 的对象实例，并将其赋值给变量 $pv。它本身没有编号或项目符号，也不属于软件介绍性质的文本，因此不存在站点名、广告腔或功能描述可供改写。若需要按上述规则处理真正的软件介绍段落，请把对应中文内容发来。

这段代码的作用是从数据库中取出首页设置相关的全部记录，存入变量 $row 中。

这段是 PHP 代码，用于把模板字符串里的 {style} 占位符替换成 $cfg_df_style 的值，并把结果赋给 $templet 变量。

这段代码通过拼接当前文件所在目录与数据表中 position 字段的值，生成一个指向主目录下目标文件的完整路径。

这段是把当前脚本所在目录的上一级与数据表中 position 字段的值拼接起来，得到首页文件的完整路径。

这个操作把变量 $homeFile 里所有反斜杠替换成正斜杠，赋值回原变量本身。

把 $homeFile 变量中出现的连续双斜杠替换为单斜杠，借此修正路径里多余的斜杠符号。

$fp = fopen($homeFile,"w") or die("首页文件路径错误，无法创建文件");

关闭文件指针，释放其占用的资源。

正在处理模板路径的拼接与设置，将基础目录、模板目录以及具体模板名组合后传入模板引擎。

这段代码调用了 `$pv` 对象的 `SaveToHtml` 方法，把生成的页面内容写入 `$homeFile` 所指向的文件。

这段代码调用的是 $pv 对象的 Close 方法，用于结束或关闭对应资源。

这段代码的作用是结束对 `$arc` 对象的操作，完成资源释放与连接关闭。

return $reurl;

把代码

这段代码把当前文件所在目录作为起点，向上退一级，再拼上从数据里取出的位置字段，最终得到首页文件所在的路径。

替换为

这一行代码的作用是拼出首页文件的完整路径：先取当前脚本所在目录，再追加一个斜杠，最后接上从数据行里读出的 position 字段值。

即可。

主要优势

1、工作记录：

这一栏会留下ET每一次运行时的完整轨迹与状态信息，涵盖目录采集与文章处理两个环节。借助这些记录，能判断本轮采集是否顺利结束，或者中途遇到了何种异常；一旦出现状况，用户可参照其中提示，并对照信息栏里其余反馈内容，快速锁定问题根源并加以处理。

2、采集源码：

文章列表页、文章页面以及文章分页在采集过程中所获取的网页源代码都会在此栏中呈现；借助这些源代码，用户可以便捷地开展规则测试，同时也能为规则定制提供参考依据。

需留意的是，部分站点会针对不同浏览器返回不一样的页面源码。因此，在为 ET 制定采集规则时，必须依据此栏所显示的源代码来判断。以采集规则范例中的“SMF 1.1.5”为例，用 IE 浏览该站与通过 ET 采集所得到的源码就存在差异。

3、分析数据：

这里呈现的是文章处理流程中每个数据项的详细情况，包括分析得到的初始代码、经过整理的代码以及完成链接修正后的代码。借助这一栏，用户可以判断自己设定的数据项分析规则是否精准、整理组规则是否周全，以及最终结果是否满足自身需求。

比方说，遇到工作记录栏跳出“正文字数大于或小于发布设置”的报错，可以点开该栏里的“正文”数据项来看一眼，确认实际字数究竟是超出还是不足，再判断这是正常现象，还是整理组的参数没配好，据此对各项设置做出对应修改。

4、发送代码：

该区域展示的是ET提交给目标站点的各类信息，涵盖文章检测环节与文章发布环节两部分内容。

借助该栏内容，用户能够查看经过多步分析与整理后、最终提交至发布站点的数据，从而核验自身采集规则中的数据项以及发布规则里的参数设定是否准确、齐全。

5、返回信息：

该区域用于呈现ET将数据提交至发布站点后，对方站点所返回的响应信息，涵盖文章审核结果与发布结果两类反馈。

当采集过程发生异常，这一栏往往能帮我们找到多数问题的根源所在。

当接口传回的错误内容为HTML代码时，对HTML不太了解的人往往难以直接看懂。这时只需按下WEB浏览按钮，系统就会调用默认浏览器将其打开，查看起来就轻松多了。