火车头采集器v9破解版使用教程：从安装到采集全流程

您当前所在位置：首页 → 攻略教程 → 应用教程 → 火车头采集器v9破解版使用教程：从安装到采集全流程

火车头采集器v9破解版使用教程：从安装到采集全流程 时间：2025-09-11 10:27:53 来源：IT猫扑网整理作者：绿软小编 我要评论(0)

软件获取与安装：3 分钟完成正版激活

下载地址

主程序：https://www.locoy.com/download/LocoySpider10.3.6.zip

运行库：若电脑没装 .NET 6.0，安装包内已自带 ndp6-desktop-runtime.exe，一键下一步即可。

安装步骤

解压后右键“以管理员身份运行”LocoySpider.exe → 选择“个人免费版”或“旗舰版”。

旗舰版需登录账号，官网注册后送 3 天全功能试用，试用到期后 99 元/季度，可开发票。

首次启动会弹“防火墙提示”，务必勾选“专用网络”和“公用网络”，否则后期远程接口无法回调。

res-undefined

初始化配置：数据库、代理、防封三板斧

数据库

火车头默认用 sqlite，单任务 10 万条以内足够；若日采 50 万+，建议切 mysql。

打开“系统设置→数据库”，填写：Server=127.0.0.1;Port=3306;Database=locoy;Uid=root;Pwd=***;Charset=utf8mb4

点击“测试”，绿灯后勾选“默认存储”，以后新建任务自动落库，方便后期 SQL 去重。

代理池

免费代理可用“站大爷”每日 1000 个，但 3 小时失效率 80%；商用推荐“青果云”按量付费，0.6 元/GB。

在“系统设置→代理”里粘贴 API 地址，例如：http://api.qingguo.com/getip?num=20&type=1&port=1&pack=***&ts=1

勾选“自动切换”，失败 3 次即换 IP，可让 404/502 降 70%。

防封策略

并发线程：新闻站 1-2，B2B 站 3-4，百度系 1。

间隔时间：列表页 3-5 s，内容页 5-8 s，随机浮动 20%。

User-Agent：选“随机 PC”，并额外加 2 条自己浏览器的 UA， mimic 度更高。

Referer：留空或填目标域名，千万别写“baidu.com”，否则对方 CDN 直接 403。

res-undefined

从 0 写第一条规则：列表→内容→分页一次讲透

案例：把“知乎热榜”50 个问题采集下来，字段只需要标题、问题链接、赞同数。

新建任务

“任务”→“新建”→取名“知乎热榜”→保存路径默认即可。

写列表规则

入口地址：https://www.zhihu.com/hot

列表区域前后截取：起始 HTML：

结束 HTML：

（首次匹配）

文章链接匹配：正则：

分页（瀑布流下拉）

知乎热榜无分页，可跳过；若遇传统“下一页”按钮：

在“列表页”→“分页设置”→ 选“自动组合页码”：https://www.xxx.com/list_{page}.html起始 1，结束 10，步长 1，即可自动翻 10 页。

试运行

按 F5，观察“实时日志”：

200 绿色 → 正常

302 黄色 → 被重定向，需加 Cookie

403 红色 → 立刻停，检查代理、UA、Referer

res-undefined

字段清洗与伪原创：正则、插件、python 脚本混用

内置清洗

每字段都可双击打开“数据处理”窗口：

去 HTML 标签：一键勾选

替换：把“知乎”换成“ZhiHub”，避免品牌词侵权

正则：\s{2,} → 一个空格，去多余空白

伪原创插件

旗舰版自带“同义词替换库”，覆盖 28 万词条；在“插件”→“同义词”勾选“标题+正文”，替换率 8%-12%，可读性高。如需深度，可接入“5118 API”：申请 https://api.5118.com/words/replace在“插件→HTTP 接口”里填：请求方式：POST参数：{"text":"[字段值]","key":"你的key"}返回 JSON 路径：$.data.result即可实现 AI 语义级改写，重复率可降到 25% 以下。

Python 脚本（高级）

火车头支持内嵌 CPython 3.8，在“字段处理”→“Python 脚本”写：

Python复制

import redef LocoySpider(data):# 去掉 4 位以上数字，防止电话微信return re.sub(r'\d{4,}', '', data)

保存即生效，适合复杂逻辑，调试窗口可打印日志。

res-undefined

图片自动下载、压缩、水印、本地化

开启图片本地化

“系统设置→图片下载”勾选：

自动下载内容页图片

保存目录：D:\LocoyPic\{任务名}\{年}{月}{日}\

重命名：GUID，避免中文乱码

最大宽高：1920×1080，超过自动压缩，单图 < 200 KB

加水印

水印类型：文字/图片，支持 9 宫格定位

透明度 60%，边距 15 px

若做站群，可动态读取域名当水印，利于品牌曝光。

CDN 回写

图片落盘后，自动替换原始 src 为本地相对路径：upload/2025/0911/a3f42.jpg若你用了阿里云 OSS，可在“发布模块”里再写一行回传，实现“本地+云端”双保险。

res-undefined

发布模块：WordPress、帝国、自定义接口 3 个案例

WordPress（最常用）

后台安装插件“REST API 免插件发布”(官方 GitHub 下载)。

火车头“发布模块”→ 新建 → 选“WordPress REST API”首页地址：https://yourwp.com用户名/密码：具有 Editor 权限的账号端口 443，https 勾选 SSL

字段映射：标题→title，正文→content，自定义字段→custom_field（用于原创度分值）

测试发布，看到返回 201 即成功；若 401，检查“Application Passwords”插件是否启用。

帝国 CMS 7.5

发布方式选“帝国数据库”

填写数据库连接串，表前缀默认 phome_

栏目 ID 对应 enewsclass 表，写 2 即可把文章发到“新闻中心”

勾选“刷新首页+栏目页”，否则前端不更新。

自定义 HTTP 接口（适合 Go/java 自研站）

假设你后台提供：POST https://api.xxx.com/article/addBody JSON：JSON复制{ "title":"标题", "body":"正文", "tag":["tag1","tag2"]}

在火车头“Web发布”→ 新建 → 填接口地址 → Header 加

Content-Type: application/json

Body 模板写：

{ "title":"[标题]", "body":"[正文]", "tag":[标签]}

返回示例：{"code":0,"data":{"id":123}}

成功标志：code=0，失败可自定义重试 3 次。

res-undefined

计划任务 & 分布式：让采集在夜里悄悄跑

Windows 任务计划程序

创建基本任务 → 触发器每天 02:00

操作：启动程序 → 填 LocoySpider.exe

参数：-run "知乎热榜" -close-run 后接任务名，-close 执行完自动退出，不占内存。

多机分布式

火车头旗舰版自带“任务调度中心”：

主控机打开“调度中心”，获取 Token。

在 3 台工作机安装客户端，填写 Token 与主控 IP。

主控新建任务 → 选择“分布式”→ 勾选工作机 → 开始。实测 4 核 8 G 的三台云主机，日采 180 万条新闻，平均 CPU 40%，带宽 60 Mbps。

res-undefined

日志排错与性能调优：把“卡死”扼杀在摇篮

日志分级

“系统设置→日志”可选 ERROR/WARN/INFO/DEBUG。

日常跑用 INFO，生成文件小。

若遇字段空白，切 DEBUG，可看到完整 HTML 首尾截取内容，方便写新规则。

内存占用高

线程别开太多，新闻类 1-2 即可。

图片下载并发默认 5，若站点多，改 2。

64 位系统勾选“大内存支持”，单进程可用到 4 GB。

403/滑块/验证码

403 先换代理，再改 UA，再降速。

滑块目前只能人工：火车头支持“手工打码暂停”，弹出浏览器，你自己拖完继续。

验证码识别：对接“超级鹰”API，在“插件→验证码”里填账号，单价 8 厘-2 分/次，成功率 95%。

res-undefined

常见问题：官方文档里没写的细节一次补齐

问：免费版和旗舰版到底差在哪？答：免费版 30 线程、无调度中心、无伪原创插件；旗舰版 200 线程、支持分布式、支持 Python 脚本。

问：SQLite 单表上限多少？答：官方实测 200 万条后查询明显变慢，建议 100 万就切 MySQL。

问：可以采集小程序吗？答：小程序走的是 HTTPS+私有协议，需抓包解密，成本极高，火车头不支持。

问：为什么发布后时间差 8 小时？答：时区问题，在“发布模块→高级”把 date_default_timezone_set('Asia/Shanghai'); 写进 php 模板即可。

问：会不会被搜索引擎判定采集站？答：内容重复度>50% 确有风险，务必做同义词+段落打乱，并控制日更新量不超过同类站点 30%。

res-undefined

结语

火车头采集器已经诞生 16 年，之所以仍稳坐国内第一把交椅，靠的不是花哨界面，而是“稳”：规则稳、发布稳、日志稳。本文基于 2025 年 9 月最新官方版撰写，所有截图、代码、API 地址均实测通过。只要你按照以上 8 大步逐级配置，不碰破解，不盲目开 100 线程，就能把 90% 的公开网页变成自己的结构化数据——而且全程在合法范围内。

祝采集愉快，数据常新！

关键词标签：火车头使用教程,v9破解教程,数据采集指南,安装步骤,SEO采集工具

相关阅读

文章评论