网络采集器

引用：http://hi.baidu.com/%B4%F3%CE%B0/blog/item/941ed8b49ee58f6b8bd4b2e2.html

我们在浏览网页的时候，都会在浏览器地址栏中输入需要访问的地址，通常这些地址都是以HTTP打头，表明是采用HTTP协议实现和站点通讯，HTTP准确的说法是超文本传输协议，归根结底还是文本，所以传输的内容就是文本，浏览的网页也是文本，这就是我们可以采集网站数据的根本。

同时，在地址栏中我们还会看到网址中会包含www的字样，这表示我们请求的是Web服务，WWW服务（3W服务）是目前应用最广的一种基本互联网应用。WWW服务使用的是超文本链接（HTML），所以可以很方便的从一个信息页转换到另一个信息页。它不仅能查看文字，还可以欣赏图片、音乐、动画。

至此，我们知道，浏览网页实际是采用HTTP协议向Web服务请求一个超文本（HTML），这个超文本包含有文字、图片、音乐等内容，这就是我们最终看到的网页。同时我们所采集的数据也包含在这个超文本中。超文本（HTML）有自己的规则，通过这些规则，浏览器会自动识别超文本格式，知道该用何种方式展示页面，这也是我们看到不同网页风格的根本。如果我们通过浏览器，查看网页源码就会发现很多<>标识的内容，这就是HTML的规范内容，当然还有很多其他规范。

手工方式进行数据采集流程：

1、用浏览器（浏览器可是IE、Firefox）打开一个网页

2、用浏览器查看网页源代码（Firefox）或查看源文件（IE）的功能打开这个网页的传输文本内容

3、可以把这个文本内容全部拷贝到一个专业的文本编辑工具中，譬如：UltraEdit，也或者直接采用浏览器自带的功能

4、通过查找的功能，开始查找您想要的内容

5、找到之后需要把它拷贝出来

参考资料

网络矿工数据采集软件用户手册
http://www.soukey.com/help/index.html

C#多线程网页采集器(Spider)

http://programmingcanruinyourlife.themz.cn/spider.html

asp.net采集函数（采集、分析、替换、入库一体）

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484548.aspx

ASP.NET(C#)经典采集代码

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484534.aspx

asp.net下数据采集方法及示例

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484481.aspx

魏言ASP.NET数据采集封装类,封装了所有数据采集需要的方法

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484469.aspx

log4net使用详解

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484462.aspx

ASP.NET采集系统万能正则表达式

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484557.aspx

.NETC#群发HTML格式带附件中文发送者密送抄送的邮件

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484564.aspx

.net程序中资源文件的保护办法探讨

http://blog.csdn.net/mubingyun/archive/2008/12/09/3484567.aspx

C#利用代理(proxy)爬网

http://blog.csdn.net/mubingyun/archive/2008/10/31/3194288.aspx

sql生成100W条指定位数的随机数的方法(只花费了不足1分钟)(整理)

http://blog.csdn.net/mubingyun/archive/2008/10/21/3115456.aspx