您有没有这样的需求：
1、定时采集新闻、文章等任何您想采集的内容，并自动发布到您的网站。
2、从指定网站抓取所需数据，通过分析和处理后保存到您的数据库。
3、通过自动采集，可以监控论坛等社区类网站，让您第一时间发现您所关注的内容。
4、可以批量下载PDF、RAR、图片等各种文件，并同时采集其相关信息。
…
还有更多您想到，我们却没有想到的信息抓取功能，等待着您去发掘。
您有没有遇到过这样的困惑：
使用Java开发的采集器、火车头采集器，数据采集下来无法直接发布到CMS系统中去，两者集成真是费事。
您有没有在采集的过程中，遇到这样的问题，无法定时定点的监控对应的信息？
采集下来的数据，发布的时候，需要人工的标引数据，费事费力？
一个企业版的信息监控系统，动辄几十万，上百万，投入大，产出小，还不好用。
基于Drupal+ Feeds模块的网页数据采集方案：
1、RSS数据订阅与收割，我们可以做到收割全文，而不仅仅局限于默认的RSS摘要。
2、任意的HTML列表页面，只要路径存在规则，我们都可以将它收割抓取下来，我们采用业内流行的Xpath规则。
3、支持任意的编码格式，实现智能转码。中文的编码格式是不统一的，不同网站采用不同的编码格式，我们能够智能转换。
4、支持定时更新，采用Drupal的定时任务，周期性的爬取最新内容。
5、基于种子的元数据，能够对收割的文章，进行自动标引，节省大量的人工著录成本。
6、与Solr相集成，抓取的内容，能够通过Solr进行分面搜索，对于搜索结果，能以RSS的方式呈现出来，方便终端用户的订阅。
7、完善的后台管理，对于全文抓取，可以追踪每篇文章的抓取状态，未抓取，抓取成功，抓取失败，对于未抓取成功的文章，可以批量重新抓取。
8、与Drupal的内容发布相集成，抓取和发布无缝集成，Drupal强大的工作流机制，给人无限的想象空间。
9、4年的Drupal抓取经验，10+多个真实项目的锤炼，让我们的方案更成熟。