求一位老师傅,有偿教学,有意向的请进

如题

如何自动爬
自动爬出来的文件是覆盖还是添加?(保证数据最新,有效)
如何自动爬全部网站
爬到的数据结构如何自定义,如单位
如何把不同页面的数据统计到一个item中
如何把2条线索拼成一个item包容属性
规则/主题权限如何设定,如何防止被他人访问
如何自定义爬虫时间,导出规则等

上面的问题大概是能预想到的一些问题,如果有前辈觉得可以解决,并且愿意协助我完成的,请联系我
tel 13917569223  
email 527993075@qq.com
如果问题能解决,报酬方面不是问题~~

针对你提的问题，逐一回答如下：
1，如何自动爬
答：我理解你说的“自动爬”是指安排好时间，爬虫自己定时启动和运行，完成后自动停止，等待下一轮运行。如果是这样，可以看crontab.xml调度文件的说明： http://www.gooseeker.com/doc/article-112-1.html

2，自动爬出来的文件是覆盖还是添加?(保证数据最新,有效)
答：即使爬同一个网址，也不会覆盖，因为每个结果文件名字含有时间戳

3，如何自动爬全部网站
答：用crontab.xml文件，把要爬的网站列上，而且可以同时运行多个窗口，同时爬。

4，爬到的数据结构如何自定义,如单位
答：爬数据之前首先要定义抓取规则，重要的一步就是创建整理箱，也就是抓取内容的结构。要从入门手册开始看起：http://www.gooseeker.com/doc/article-131-1.html

5，如何把不同页面的数据统计到一个item中
答：如果你是指抓取结果文件中的item标签，那么就不要在抓取结果文件这个层面进行数据统计和处理了，要先导入数据库或者excel，在库里面，很容易做统计

6，如何把2条线索拼成一个item包容属性
答：抓取结果的合并和分拆都要在数据库中做，也就是说先把抓取结果文件导入数据库后再操作

7，规则/主题权限如何设定,如何防止被他人访问
答：缺省情况下，别人是加载和修改不了你的规则的，只有你对外发布了，才能被别人下载。发布过程是在会员中心做的，别人下载会给你支付积分

8，如何自定义爬虫时间,导出规则等
答：crontab.xml可以指定爬虫运行时间，但是不是绝对时间，而是相对于启动时刻要过的时间，而且不是精准设定。很快会在会员中心公布一个爬虫管理功能，敬请期待。

如果需要用于大型数据挖掘系统，可以购买企业版：http://www.gooseeker.com/about/enterprise.html