火车头采集-获取当前采集页面地址

火车头是个不错的采集工具，可以很方便的采集一些临时性的任务，但是分页采集时可能会碰到，想将采集页面的url保存下来的需求，此时页面中没有对应的参数值时怎么办呢？

以前的版本有个直接保存URL的功能，现在没有了，改成了从URL中提取，接下来就教大家如何获取：

火车头采集器采集网址中url的参数数据。需要用到正则表达式：^(?[\s\S]*?)$

我们在火车头采集器中添加标签[当前页面地址]，然后在数据来源中选择从“网页地址中”，提取方式选择“正则提取”。

点击预设好的“(??)”标签，下面内容框会出现“(?[\s\S]?)”，在这串字符前后分别加上一个字符就ok了。变成“^(?[\s\S]?)$”

Content：代表内容
?：表示匹配0次或者1次
\s：匹配所有空白字符，包括空格、换行、tab缩进等所有的空白
\S：与\s刚好相反，匹配所有非空白字符
*：修饰匹配次数为 0 次或任意次
[ ]：这个符号，表示在它里面包含的单个字符不限顺序的出现

在正则表达式中，美元符号$用于匹配一行的结尾，比如"abc$“表示的是以abc结尾的行，”^{$"表示的是空行。}符号是界定符，规定匹配以^后面开头的字符串

如果你想把采集页地址保存到本地文件可以直接使用[标签:当前页面地址] 这个就会把网址输出。

上面演示的是火车头V10.23进行的演示操作，在V9版本中也是一样的设置。

以上是个人留存笔记，也希望对大家有用。