专访李进斌：火车头采集器 站长的伴侣

采访站长是火车头采集器网站 ()站长李进斌。 采访者：一滴水 受访者：李进斌 相信大家都很熟悉火车头采集器，它的发起者是李金斌，一个80后年轻人，网名火车头。

一滴水：你以前是程序员吗？

李进斌：不是。我学水利。大学毕业后，我从事水利设计一年。辞职后，我转行了IT发展的。

一滴水：原来是这样的。当时是怎么想到转行的？ IT的呢？

李进斌：两个方面，对电脑和网络的强烈兴奋 有趣的是，以及对无聊工程设计的厌恶，最终放弃了原来的主要专业，但幸运的是。我在大学学习了双专业，辞职前收到了phpcms老板加入团队的邀请。

一滴水：去phpcms那边工作吗？

李进斌：恩，我在phpcms半年多了。 参 与开发了phpcms2007年的许多功能。当然。这段时间对我有了很大的提升。

一滴水：火车头采集器什么时候开发，开发这样的软件的想法和初衷是什么，开发过程中有没有遇到困难？

李进斌：2005年11年，火车采集器最早开发 月份。当时下班后，业余时间维护了自己的一个小网站。和大多数站长朋友一样，他们担心在网站上添加内容，需要频繁的数据更新，并从当时学习dede这个收集器是在收集思想后开发的。

在火车收集器的开发过程中，在早期阶段也遇到了一些小的技术困难，这些困难在短时间内得到了克服，最大的问题是，在我辞去了原来非常稳定的工作后， 长期以来，收集器一直在犹豫是否开发收费版本。感谢我们会员的支持，
没有他们，我们就不能一直坚持下去，取得今天的成就。

一滴水：刚才提到辞去稳定的工作是指phpcms那边吗？

李进斌：不，原来是在安徽水利厅计院工作。phpcms这主要是我个人生活的一个原因。西安太远了，然后我女朋友习惯了在家乡。

其实在phpcms早期版本的免费火车收集器已经发布。这个软件直到2007年9月才全职完成。

一滴水：那phpcms老板给你建议了吗？

李进斌：当然也有。我们现在一直在联系，经常聊几个小时。他和我一样有技术背景，有共同语言。

一滴水：呵呵，你是老朋友。现在越来越多的站长使用火车头作为网站。我们知道，收集往往意味着内容的重复导致信息泛滥。你觉得这个问题怎么样？你对主要依靠收集软件更新网站的站长有什么建议或建议？

李进斌：首先，网站需要不断更新。众所周知，软件可以作为人工辅助工具，帮助我们做一些非常机械的操作。收集器就是这样一个软件，可以帮助你实现早期数据填充，但作为维护网站内容的工具，你不应该认为自动化越好。

通过收集软件来维护和更新网站没有错。我们还在 有一批熟练“司机”它还依赖于软件来收集信息。关键是要知道你的网站需要什么样的内容，你收集和更新了什么，你应该知道。

一滴水：最近发布的2009官方版有哪些重大更新？ ？

李进斌：前期采集和后期数据处理都有了很大的改进，与2008版相比有了很大的改进，简单列出了几条：

支持gzip,deflate网页压缩可以大大提高网页 下载速度.
重写下载模块，断点下载，大文件下载不再是 问题.
支持上传附件.发帖时可将附件上传到网站 ,更方便.
重写本地数据编辑功能，加载更快，处理更方 便.
支持.net外部编程插件可以做更复杂的工作. 比如下载视频.
支持多个标签的分词.准确性更好.
目录可以随机发布和保存.
支持网站部分post随机值.那些aspx网站网络类型 获取地址不再困难.
支持列表页面标签功能，在列表页面收集更多信件 息.

一滴水：功能越来越强大！

李进斌：嗯。哈，根据会员的建议，强大的功能需要每个人慢慢学习和体验。

一滴水：目前很多网站都增加了防收集功能。2009年新版火车头解决这个问题了吗？

李进斌：关于防采集。打开一个网页实际上是浏览器Http请求。还有其他搜索引擎蜘蛛，我们的收集器使用模拟的原理http我们可以根据这个原理模拟浏览器和蜘蛛。所以绝对的防收集根本不存在，只是难度。如果你认为搜索引擎的搜索也没关系。你可以用一些非常强大的activex,flash,我们无能为力。

2009年新版软件加强了来源判断，登录信息判断 ，POST方法要求、多页分页识别、循环内容收集等功能 php和.net对于外部程序接口，我们没有发现有多少防收集网站做得很好，只是一个难题。

一滴水：哈哈！看来火车头越来越完美了。

一滴水：火车收集器也分为免费版本、个人版本、标准版本 准版，企业版。所以这些版本是如何分类的， 他们适合哪些人？

李进斌：它主要根据功能的数量来划分。您需要根据自己的需要进行选择。高级版本大大提高了后期数据处理、大文件下载上传、自动化操作、分词翻译等功能。

一滴水：对于大多数站长来说，免费版本就足够了！

李进斌：是的。我们不限制收集的网站和任务的数量，也不限制在线web任何限制发布。对于普通用户来说，已经足够使用了。

一滴水：嗯。现在可能有一些新站长不会用火车头。你对他们有什么建议？

李进斌：首先，我们应该保持一种学习的心态。我们不能一键收集和发布软件。但是会有很多设置，需要手动和操作。

当你对软件的各种功能有了大致的了解，你就会 你会觉得鱼得水，完全按照你的意愿操作。网站数据更新也是一件非常快乐和具有挑战性的事情。

当然，在你收集之前，有几个建议：
1.别人经常采用的网站不要 去采
2.不要去太容易采摘的网站
3.不要一次收集太多，一定要注意后期处理
4.做好关键词，tag的采集分析
5.你自己的网站应该有自己的定位，而不是你自己的网站 关的内容
6.采集也应连续更新，自动采集功能 我们也有，但还是建议大家手动参与一些审核，或者定期发布

后期处理

1.给标题。内容分词。
2.用同义词近义词替换，排除不同敏感词 标签之间的数据集成是指标题内容之间数据的相互替换
3.在文章中添加摘要
4.为文章标题生成拼音地址
5.收集一些其他编码的网站，我们可以简单而复杂 身体转换，可以收集中文网站翻译成英文(虽然比较垃圾，但应该算是原创)

我们还发现，难收集网站的内容质量一般都很好，收集有时也是一件很有趣的事情，需要你学习一些收集相关知识。

一滴水：非常感谢您分享如此宝贵的经验。

一滴水：现在有多少人开发和推广火车头？ 介绍你的团队。

李进斌：前天新搬了一个办公室，公司规定 模型稍微扩大了一点。目前主要有4人开发，6人客服推广。还有几个长期活跃的论点。 坛服务版主。

一滴水：规模在慢慢发展壮大！

一滴水：你们的团队优势和服务好吗？

李进斌：嗯，好的。有我的同学，也有从网络认识到现实的朋友。他们都很年轻，一起为同样的兴趣而奋斗。虽然我们没有 工作背景很深，但是学历可以211出来，精力充沛，很有激情。

除了操作收集器外，还制作了一些其他自动收集搜索软件，可以为站长提供这些技术服务。

李进斌：自动采集搜索软件主要是指数据 采集、转移、处理和索引优化。可为站长提供这些技术服务。

一滴水：嗯，慢慢拓展越来越好的技术，站长会越来越喜欢你。

李进斌：感谢小苏。

一滴水：太客气了！你的盈利模式是什么？

李进斌：商业软件的收入。一些技术服务支持和其他定制软件的开发。支持整个团队并不太高，但公司还不到一家 公司的发展和新的盈利模式仍在探索中。

一滴水：嗯，我希望你能探索更有价值的东西，更好地为站长和朋友服务。最后，让我们谈谈你未来的发展方向。

李进斌：稳定收集地位，继续提高竞争力，努力转型，为更多企业提供数据服务。

一滴水：小苏代表这里的所有站长朋友，祝你明天越来越美好！

李进斌：感谢门户提供的这个机会。 ，谢谢大家。