本文目录一览：
火车头可以实现采集JS或者Ajax加载的数据吗
js一般是通过ajax来获取列表，你可以找到ajax中的GET地址或者POST地址，来取得分页内容。
还有一点就是没有ocr功能，58同城和赶集网采集的电话号码都是图片格式，python可以用开源图像识别库解决，对接进去识别便可。
也就是一个火车头最多可以跑100个线程，平均采集一章大概时间为1秒（加上列表采集所耗时间进行平均），10万本书的站，大概5000万加的章节，数据采集完毕大概需要一周时间，这是在你服务器配置比较好的情况下。-火车头js采集
discux是可以用火车头采集的。DiscuzX火车头采集器免登陆发布模块是一款专为DiscuzX4论坛而开发的采集器，它能够在不需要登录的情况下，采集网络上的优质文章，并发布到论坛中。
可以通过浏览器的调试功能，例如Firefox按F12，点网络标签，然后就可以看到网页的所有数据信息，网页通过AJAX异步加载的数据也可以得到。
火车头怎么采集到的内容是空的div里面的内容都没有呀
后台源代码里看不到的内容你用火车头当然采集不到。比如有些内容是通过js调入的，你得去分析js是怎么调用的，调入的是哪个网址。推荐使用抓包工具去分析找到真正的你想要抓的网址。
服务器问题，使用起来，在生成数据的时候占CPU资源，采集完成后，就会却没有内容， 是空的。还有一个原因就是采集的程序编写有错误。在一个就是你采集的网站有防采集程序。
第一是可能你采集到的没有内容。第二可能是输出的txt模板文件标签和你的规则不对应。
这个是没办法了，建议你用 八爪鱼采集器 吧 八爪鱼采集器的规则是个版本都通用的 而且系统会 自动保存 ，恢复，不会丢失，除非你自己删除 更重要的是八爪鱼采集器是还是免费的，新手上手比火车头简单很多。你可以试试。-火车头js采集
运行任务采集不到的话有可能是：你的第一步，采集网址的配置出问题的话，那么火车头就无法到达内容页面从而无法采集到内容。
无论你是否排除p标签，采集下来的文章都是没有段落的，因为火车头采集的是源文件，你打开源文件看下，跟你采集的一样都是没有段落的，只有生成了页面，p标签控制了段落才会在页面上表现出段落分明的文章。
用火车头怎么实时抓取js分页的网页的文章
1、js一般是通过ajax来获取列表，你可以找到ajax中的GET地址或者POST地址，来取得分页内容。
2、先把分页标签找到，再找到结束标签，找到中间上下翻页 控件名字 然后对采集分页的img的“进行制定正则表达然后测试采集调整几下就会了。
3、第一步采集网址，下载好火车头采集器后打开，新建一个任务，任务名随意。把需要采集的网站文章列表页网址添加到起始网址。从图中看出该列表页有34页，每页有N篇文章。
