ROST DetailMinner 初级使用手册

1、概述ROST DetailMinner是武汉大学ROST虚拟学习团队开发的一款用于米集网页信息的 情报分析软件，ROST DetailMinner是一个细粒度的网页米集工具，可以根据用户的 需要进行个性化的采集。一、主要用于对大量信息的分类整理。目前仍在试验测试阶段。更新内容：1、增加了集成网站登录米集功能，一些需要登录后记录COOKIE才能米集到内容的 网站，比如新浪微博，校内网，当当书评2、修改了目前发现的bug，有些网站采集出现服务器提交了协议冲突.SECTION=RESPONSEHeADER DETAIL=CR 后面必须是 LF3、修改了自动翻页采集的一点逻辑错误。使用方法：1、找到要

2、采集的网页2、确定要采集的页面元素3、查看网页的源文件4、确定要采集的页面元素在源文件中的起始终止位置5、配置标签6、测试，修改标签7、简单任务设置，OK!二：实例例1：采集当前页面博客园首页信息的采集网址：例2：采集子页面腾讯新闻 国内新闻 时政新闻网址：例3：需登录网站的米集新浪微博客网址：三：数据ROST DM采集的数据都保存为txt格式的文本文件，采集的标签字段间以tab间 隔离，数据可以直接导入ROST CM内容挖掘软件分析操作流程：（本操作流程以采集百度百科中为例）a）在浏览器中打开需要采集的目标页面。新闻网页贴吧知道MP3图片视频百科文库加g:经济学家| 进入词条1杷百度设为主页

3、经济学家务类下的词条：供泣1个）京城四少富二代京城四小京城四小:内地有不少喜液和女明星传绯闻的富二代，其中几个年轻帅气 的被戏称为方城四成多即汪小菲、汪雨、王烁、王珂京城四少-简介汪小菲俏江南 集团老板张兰的独子，生活奢侈，喜爱名车。和章子怡传过绯闻，张雨.12千字2010-11-06旺旺肺1齐3郎咸平乍飞履历郎成平，195B年E月21日生于中国台湾桃园县，：父亲是国民党空军少将母亲 是高中化学名师.目前郎成平在,香港中文大学任教，其爻母在大陆内地居住.郎成平基本 不回台湾很怵.畚台湾豹牛肉面。大学期间就读于台湾东海大学经济系.22千字 2010-11-05 nopding刘核东北抗日名（18

4、90-1938字佩高，铁岭县阿吉堡子村人，幼年在阿吉堡子念了凡年私 塾.后清政府废科举、兴学堂，刘伟报考了奉天陆军小学堂，毕业后考入北京清河陆军中 学，文I伟毕业后又考人保定军校第一期步兵科。1914年，刘伟在保定军橙毕业后.22千字2010-10-17不理我的是286范蠡火星经历卧薪尝胆周景王二十四年（恣元前的6年#吴国和越国岌生了樵李之战冷;浙江嘉 潮吴王阖闾阵亡，因此两国结怨，连年战乱不休，周景王二十六年元前49年卜阖 闾之子夫差有报食仇与越国在夫椒备江苏太淌中洞庭山）决战，越王勾践大败，.b）在页面空白处单击鼠标右键，选择查看源代码（不同的浏览器显示文字不同）(Internet Exp

5、lorer)查看页面源代码凹(Mozilla Firefox)(The World)c）下图为源代码。红圈中的是标题的起始位置和终止位置。当采集的标签的内容 数量是多个时，标签的起始位置和终止位置都要相同。当采集的这个标签的内 容数量是一个时，此标签的起始位置和终止位置在整个页面中只能出现一对。href=/view/360282. htttlI?f romTaplist * t ：北叩t=_b 1 ank 京城四unt 富二代京城四少京城四少：内地有不少喜欢和女明星传排同的富二代，星皿E至mF被戏称为 ”集团老板张兰的独子,生活奢侈,喜爱名车口和卓子怡传过绯闻,张雨.- 12千字2010-11

6、-06 a hre- isiness&aid=7&default_tab=2&uii=%CD%FA%CD%FAljpl373#3w t：北g巳七二_b 1 ank class= Ikgn)旺旺 1 jp 1373-t ab le bu r de r=，Y Uv cel Ip addmg=，Y U cell sp ac mg= U |盘d: m:le巳=时href=/view/542-4. ?rtml?f romTaglist+ ar?et = _blankM 郎成平Q 。f unt br*?止日皿圭 Kt人履历 郎成平，1956年6月21日生于中国台湾眺园县，父亲星街但备母亲是高中化学名师目前

7、郎咸平走香港中文大学任教，其父母在大好击内地居住口郎成平基本不回台湾，很怀念台湾的牛肉面, 大学期间就读于台湾东海大学经济系. 22千字 2010-1 1-05 nop ding / span）-Wglawf _ _ _size=，3 href=/view/42327. h+jril?f roiriTaglist t m暗七二*blank*刘伟 ?Fm .im，干十案北抗日名将(1890-1938),字佩蒿，铁岭县阿吉堡子村人，幼年漆附古坚可詹Fl年私塾。后清政府, 伟毕业后又考入保定军校第一期步兵科。1914年,刘伟在保定军校毕业后. 22千字2010-10-17 不理我的是286 范蠡:：

8、ab r/zjFW mi睥二吁人生经历卧薪尝胆 周景王二十四星（公元前496年），吴国和越国发至T至之成七添江嘉兴）,吴王阖 夫差为报父仇与越国在夫椒（今江苏太湖中洞庭山）决战，越王勾践大. . 14千字2010-10-24 陌上秋草d)运行ROST DetailMinner ,单击位于界面上部的主输入框右侧的设置按钮，在 弹出的设置窗口的上方单击采集内容规则标签，在起始位置和终止位置中分别输入上图的红圈中的内容，单击添加按钮酣置标签:标签名:标题x/ a.X./ furit.X.br添加 修改 删除e)继续添加摘要、字数时间等标签，在地址栏中输入目标网页，单击测试，输出 测试结果f)单击确定

9、返回主界面，单击采集得到采集结果。采集结果默认保存在根目录下ROST_BetailJLLiLnerig:采集地址：http：/Aike.baidu. com/talistTta=?SBE%AB%BC?SC3%E 1 %ATHC$2停止箜置设置url采集内容：标题摘要字数时间京诚四k富二代京城四妒哀城四易内地有.1N千字 2010-11-06郎咸平萍人履茵郎成轧195661日:烫中学 2010-1H05.刘牌东北抗日名将(1890-1935) j字屹高既中字 2010-10-17人生经历卧薪尝胆周景王二十四年(14,学 2010-10-4吴敬琏卷匹简介：吴敬踊就年1月函日7.9千季 2010-1

10、0-27克拉克1 亚瑟克拉克 Arthur C. Cl：di-ke.11 千字?010-09-1凯恩斯缠滂学冢i商年6月S日生于英格兰.19千亭 2010-10-11李斯特弗朗兹，李斯特 简开 樗1吾Frsrz或千字2010-10林新夫个人简，劳.学历T台倍大学农业T程.诿千字 2O1O-1O-3T张五离简许 张五常 g年性月1日-L香.9千手 010-10-14张维迎个.简芬张维迎，2002年至今北京.18千字-2010-10-17陈志武缠济学家基:甘信息祖籍福建福州，13千手 2010-09-0.5颓易斯拳王刘易斯个人.履后姓名:刘易斯7个字 2010-06-01亚当斯密一人一物简介 亚当斯密(Ad：=jTi Smith):8千字 2010-10-16马感尔乔治宏特氾蜉,马歇永基本资料1 讦字 2010-08-12 .李稻葵基本信息李稻葵，洁华大学经济管.4千季 201 120约翰空什耄1翰纳什姓名:约翰&: #8226,纳什性398字 2009-tEr25约瞋-纳什筒升基本筒许 约翰*福布斯纳什(:均千字 2010-10-30.畦躲克人物生平哈耶克单期以研究贷币，务1S牛字.2010-04-25华生北京师范大学珠海分校校长简什195明千字 2010-07-2