專訪李進(jìn)斌：火車頭采集器站長(zhǎng)的伴侶

2009-03-05 10:14 來(lái)源：門戶通我來(lái)投稿撤稿糾錯(cuò)

　域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過(guò)

本次采訪站長(zhǎng)是火車頭采集器網(wǎng)站 ()站長(zhǎng)李進(jìn)斌。采訪人：一滴水被采訪人：李進(jìn)斌相信大家對(duì)火車頭采集器非常的熟悉，它的發(fā)開者就是李進(jìn)斌，一個(gè)80后年輕小伙子，網(wǎng)名火車頭。

      一滴水：你之前是程序員出身嗎？

      李進(jìn)斌：不是。我是學(xué)水利的，大學(xué)畢業(yè)后還從事了一年的水利設(shè)計(jì)工作，辭職后才轉(zhuǎn)行IT發(fā)展的。

      一滴水：原來(lái)是這樣的。那當(dāng)時(shí)是如何想到轉(zhuǎn)行做 IT的呢？

      李進(jìn)斌：兩方面吧，對(duì)電腦及網(wǎng)絡(luò)濃厚的興趣，以及對(duì)枯燥的工程設(shè)計(jì)的反感，最終還是放棄了原來(lái)的主專業(yè)，不過(guò)還好。我在大學(xué)學(xué)了雙專業(yè)，辭職前收到了phpcms老大加入團(tuán)隊(duì)的邀請(qǐng)。

      一滴水：去phpcms那邊工作了嗎？

      李進(jìn)斌：恩，我在phpcms做了大半年。參與開發(fā)了phpcms2007里面的很多功能。當(dāng)然。這期間對(duì)我的提高很大。

      一滴水：那火車頭采集器是什么時(shí)候開始開發(fā)的，當(dāng)初開發(fā)這樣的軟件的想法和初衷是什么，開發(fā)過(guò)程中有沒有遇到什么困難？

      李進(jìn)斌：火車采集器最早開發(fā)是在05年的11 月份。當(dāng)時(shí)工作之余，業(yè)余維護(hù)著自己的一個(gè)小網(wǎng)站，有了和多數(shù)站長(zhǎng)朋友一樣在在網(wǎng)站添加內(nèi)容及需要頻繁數(shù)據(jù)更新的苦惱，在借鑒了當(dāng)時(shí)dede的采集思想后開始開發(fā)的這一款采集器。

      火車采集器的發(fā)展過(guò)程中，初期也遇到過(guò)一些小的技術(shù)困難，這都在短時(shí)間內(nèi)克服了，而最大的問(wèn)題是在我辭掉原本很穩(wěn)定的工作后，采集器要繼續(xù)發(fā)展是否開發(fā)收費(fèi)的版本的問(wèn)題上猶豫了很長(zhǎng)時(shí)間。在此要感謝我們的會(huì)員的支持，
      沒有他們我們不可能一直堅(jiān)持而取得今天的成就。

      一滴水：剛才提到辭掉穩(wěn)定的工作指的就是phpcms那邊嗎？

      李進(jìn)斌：不是，原來(lái)是在安徽水利廳的設(shè)計(jì)院工作。離開phpcms主要還是我個(gè)人生活方面的一點(diǎn)原因，西安太遠(yuǎn)，然后女朋友習(xí)慣在老家這邊。

      其實(shí)在phpcms的時(shí)候就已經(jīng)發(fā)布了免費(fèi)的火車采集器，前期版本。2007年9月份才開始全職做這個(gè)軟件。

      一滴水：那phpcms的老大給你過(guò)建議嗎？

      李進(jìn)斌：當(dāng)然是有的。我們現(xiàn)在一直都在聯(lián)系，經(jīng)常一聊就幾個(gè)鐘頭，他和我一樣都是技術(shù)出身，很有共同語(yǔ)言。

      一滴水：呵呵，你們是老朋友了。現(xiàn)在越來(lái)越多的站長(zhǎng)在使用火車頭做網(wǎng)站，我們知道采集很多時(shí)候就意味著內(nèi)容的重復(fù)導(dǎo)致信息泛濫，你怎么看待這個(gè)問(wèn)題，您對(duì)主要靠采集軟件來(lái)更新網(wǎng)站的站長(zhǎng)們有什么忠告或建議？

      李進(jìn)斌：首先網(wǎng)站需要持續(xù)的更新大家都知道，軟件可以做為人手工的輔助工具，幫助我們做一些非常機(jī)械性的操作，采集器就是這樣的一個(gè)軟件，可以幫助你實(shí)現(xiàn)一個(gè)前期數(shù)據(jù)填充，但作為維護(hù)網(wǎng)站內(nèi)容工具，不應(yīng)該覺得越自動(dòng)化的越好。

      靠采集軟件維護(hù)更新網(wǎng)站也沒有錯(cuò)，我們現(xiàn)在還有一批熟練“司機(jī)”也是靠軟件在搜集資料，關(guān)鍵你應(yīng)該清楚你的網(wǎng)站需要些什么樣的內(nèi)容，你又采集更新了些什么，應(yīng)該做到心里有數(shù)。

      一滴水：最近發(fā)布的2009正式版有哪些重大的更新？

      李進(jìn)斌：對(duì)前期采集和后期數(shù)據(jù)處理都進(jìn)行了不少改進(jìn)，相比2008版本有很大提高，簡(jiǎn)單列幾條：

      支持gzip,deflate網(wǎng)頁(yè)壓縮,可大幅度提高網(wǎng)頁(yè) 下載速度.
      重寫下載模塊,可以斷點(diǎn)下載,大文件下載不再是問(wèn)題.
      支持上傳附件.可以發(fā)布帖子時(shí)候上傳附件到網(wǎng)站 ,更方便.
      重寫本地?cái)?shù)據(jù)編輯功能,加載更快,處理更方便.
      支持.net外部編程插件,可以做更為復(fù)雜的工作. 例如下載視頻.
      支持對(duì)多個(gè)標(biāo)簽進(jìn)行分詞.準(zhǔn)確性更好.
      可以隨機(jī)發(fā)布和隨機(jī)文件保存目錄.
      支持網(wǎng)址部分post隨機(jī)值.那些aspx類型的網(wǎng)站網(wǎng) 址獲取不再難.
      支持列表頁(yè)標(biāo)簽功能,可以在列表頁(yè)采集更多的信息.

      一滴水：功能是越來(lái)越強(qiáng)大了??！

      李進(jìn)斌：恩。哈，按會(huì)員的建議一步步提升的，強(qiáng)大功能需要大家自己學(xué)習(xí)慢慢體驗(yàn)。

      一滴水：目前不少網(wǎng)站加了防采集的功能，新版的火車頭2009解決這個(gè)問(wèn)題了嗎？

      李進(jìn)斌：關(guān)于防采集這一塊。打開一個(gè)網(wǎng)頁(yè)實(shí)際就是瀏覽器發(fā)送一個(gè)Http請(qǐng)求。還有其他的搜索引擎蜘蛛，同樣我們的采集器使用的都是一個(gè)原理--模擬http請(qǐng)求，我們可以根據(jù)這個(gè)原理模擬出瀏覽器、蜘蛛出來(lái)。所以絕對(duì)的防采集根本不存在，只是難度的高低。如果你認(rèn)為搜索引擎的搜錄也無(wú)所謂了。你可以用一些非常強(qiáng)大的activex,flash,全圖片文字的形式，這個(gè)我們無(wú)能為力。

      2009新版軟件加強(qiáng)了對(duì)來(lái)源判斷，登錄信息判斷，POST方式請(qǐng)求，多頁(yè)分頁(yè)識(shí)別以及循環(huán)內(nèi)容采集等功能，外加 php和.net外部程序接口等，我們并沒有發(fā)現(xiàn)多少做得非常好的防采集網(wǎng)站，只是一個(gè)難度高低的問(wèn)題。

      一滴水：哈哈！看來(lái)火車頭做的是越來(lái)越完美了。

      一滴水：火車采集器還分為免費(fèi)版本、個(gè)人版、標(biāo) 準(zhǔn)版、企業(yè)版。那么這些版本是如何分類的，他們分別適用于哪些人群呢？

      李進(jìn)斌：主要也是按功能多少來(lái)進(jìn)行劃分的，你需要根據(jù)自己的需求來(lái)選擇。高級(jí)版本在后期數(shù)據(jù)處理，大文件下載及上傳，自動(dòng)化操作，分詞翻譯等方面功能有很大增強(qiáng)。

      一滴水：對(duì)于大多數(shù)站長(zhǎng)來(lái)說(shuō)，免費(fèi)版本的就足夠用了吧！

      李進(jìn)斌：是的。我們沒有限制采集的站點(diǎn)及任務(wù)的數(shù)量，也沒有對(duì)在線web發(fā)布做任何限制。對(duì)普通用戶來(lái)說(shuō)，已經(jīng)足夠使用了。

      一滴水：恩?，F(xiàn)在可能有一些新的站長(zhǎng)還不會(huì)使用火車頭，你對(duì)他們有何建議？

      李進(jìn)斌：首先應(yīng)該抱著一個(gè)學(xué)習(xí)的心態(tài)，我們不是一個(gè)一鍵就可以采集發(fā)布的軟件。而是會(huì)有很多很多的設(shè)置，這些設(shè)置都需要你手工和操作配置一遍。

      當(dāng)你對(duì)軟件的各個(gè)功能都有了大致的了解后，你就會(huì)感覺如魚得水，完全按你的意愿操作，網(wǎng)站數(shù)據(jù)更新也同樣是件很快樂，很有挑戰(zhàn)性的事情。

      當(dāng)然在你采集前，有幾個(gè)建議：
      1.別人經(jīng)常采的網(wǎng)站不要去采
      2.太容易采的網(wǎng)站不要去采
      3.不要一次性采集太多，一定要注意后期處理
      4.做好關(guān)鍵詞，tag的采集分析
      5.自己網(wǎng)站要有自己的定位，不采與自己網(wǎng)站無(wú) 關(guān)的內(nèi)容
      6.采集也要有持續(xù)性，經(jīng)常更新，自動(dòng)采集功能我們也有，但還是建議大家人工也參與一些審核，或定時(shí)，亂序發(fā)布

      后期處理方面

      1.給標(biāo)題。內(nèi)容分詞
      2.使用同義詞近義詞替換，排除敏感詞，不同的標(biāo)簽之間數(shù)據(jù)融合，指如標(biāo)題內(nèi)容之間數(shù)據(jù)的相互替換
      3.給文章加上摘要
      4.為文章標(biāo)題等生成拼音地址
      5.采集一些其他編碼的網(wǎng)站，我們可以做到簡(jiǎn)繁體轉(zhuǎn)化，可以采集中文網(wǎng)站翻譯成英文(雖然比較垃圾，但應(yīng)該可以算是原創(chuàng))

      我們也發(fā)現(xiàn)，高難度采集的網(wǎng)站一般內(nèi)容質(zhì)量都非常好，采集其實(shí)有時(shí)也是一件很有樂趣的事情，需要你學(xué)習(xí)一些采集相關(guān)的知識(shí)。

      一滴水：非常感謝你分享如此寶貴的經(jīng)驗(yàn)。謝謝!

      一滴水：火車頭現(xiàn)在的開發(fā)和推廣團(tuán)隊(duì)有多少人？跟大家介紹下你的團(tuán)隊(duì)。

      李進(jìn)斌：前天新搬了一個(gè)辦公地點(diǎn)，公司規(guī) 模又稍微擴(kuò)大了一點(diǎn)?，F(xiàn)在開發(fā)主要是4個(gè)人，客服和推廣6個(gè)。還有幾個(gè)長(zhǎng)期活躍在論壇服務(wù)的版主。

      一滴水：規(guī)模慢慢在發(fā)展壯大??！呵呵！

      一滴水：在這里也跟大家談?wù)勀銈儓F(tuán)隊(duì)的優(yōu)勢(shì)以及你們的服務(wù)好嗎？

      李進(jìn)斌：恩，好的。這里面有我的同學(xué)也有從網(wǎng)絡(luò)認(rèn)識(shí)發(fā)展到現(xiàn)實(shí)的朋友，都很年輕，為了同樣的興趣在一起拼搏。我們雖然沒有很深的工作背景，但學(xué)歷都還可以幾個(gè)是211出來(lái)的，干勁足，非常有激情。

      除了運(yùn)營(yíng)采集器外，也兼在做幾款其他的自動(dòng)采集搜索軟件，可以為廣大站長(zhǎng)提供這些方面的技術(shù)服務(wù)。

      李進(jìn)斌：自動(dòng)采集搜索軟件主要是指：數(shù)據(jù) 采集、轉(zhuǎn)移、處理及索引優(yōu)化?？梢詾閺V大站長(zhǎng)提供這些方面的技術(shù)服務(wù)。

      一滴水：恩，慢慢拓展出更多更好的技術(shù)，站長(zhǎng)會(huì)越來(lái)越喜歡你們。

      李進(jìn)斌：感謝小蘇。

      一滴水：太客氣了！你們的盈利模式是什么？

      李進(jìn)斌：商業(yè)軟件的收入。部分技術(shù)服務(wù)支持，以及其他一些定制軟件的開發(fā)。不是太高但足以支撐整個(gè)團(tuán)隊(duì)，公司成立還不足一年，公司的發(fā)展和新的盈利模式還在探索中。

      一滴水：恩，希望你們探索出更有價(jià)值的東西，來(lái)更好的服務(wù)站長(zhǎng)朋友們。最后談一下你們未來(lái)的發(fā)展方向。

      李進(jìn)斌：穩(wěn)住采集方面的地位，繼續(xù)提高競(jìng)爭(zhēng)力，努力轉(zhuǎn)型實(shí)現(xiàn)為更多的企業(yè)提供數(shù)據(jù)服務(wù)。

      一滴水：小蘇在這里代表門戶通的所有站長(zhǎng)朋友們祝福你們的明天越來(lái)越美好！謝謝！

      李進(jìn)斌：恩。感謝門戶通給提供的這次機(jī)會(huì) ，謝謝大家。