1.首先学习采集器的基本使用方法
可参考以下几篇文章：
网站采集器MetaSeeker v4.x速成手册：http://www.goo seeker.com/cn/node/document/metaseeker/cookbookv4/bookfront.html
案例：如何规划网站数据采集：
http://www.goo seeker.com/cn/node/Fulelr/2009120501
卓越网商品数据分级抓取：
http://www.goo seeker.com/cn/node/document/metaseeker/cookbookv4/multilayers.html
2.缩小抓取对象
由于我们不是每种产品都需要抓取，所以对需要抓取的每个小类的链接，我们需要自己来定义。为此，我们在写了一个索引页yesky.html，其中列出了所有需要抓取的小类链接；
3.定义网站的抓取规则
我们需要抓取天极网的产品名称、图片及相关参数：
http://product.yesky.com/digitalcamera/
我们定义了以下规则：
索引页：yesky_index
产品列表抓取规则：yesky_list
产品详情页抓取规则：yesky_detail
4.分层抓取
为了保证抓取具体产品时，都是有效的线索，我们将抓取工作分为两步：第一步，根据索引页抓取列表线索；第二步，根据列表线索抓取产品详情；
分层抓取时，我们需要在crontab.xml文件中定义多级抓取规则。（该文件一般位于磁盘：C:\Documents and Settings\（yourLoginName）\.datascraper);
第一步抓取规则如下：
<?xml version="1.0" encoding="UTF-8"?>
<crontab>
<thread name="project_low">
<parameter>
<auto>true</auto>
<start>5</start>
<period>10800</period>
<waitOnload>false</waitOnload>
<minIdle>2</minIdle>
<maxIdle>10</maxIdle>
</parameter>
<step name="renewClue">
<theme>yesky_index</theme>
</step>
<step name="crawl">
<theme>yesky_index</theme>
<loadTimeout>3600</loadTimeout>
<lazyCycle>3</lazyCycle>
<updateClue>true</updateClue>
<dupRatio>80</dupRatio>
<depth>-1</depth>
<width>-1</width>
<renew>false</renew>
<period>0</period>
</step>
<step name="crawl">
<theme>yesky_list</theme>
<updateClue>true</updateClue>
<dupRatio>80</dupRatio>
<depth>-1</depth>
<width>-1</width>
<renew>false</renew>
<period>0</period>
</step>
</thread>
</crontab>
第二步抓取规则如下：
<?xml version="1.0" encoding="UTF-8"?>
<crontab>
<thread name="project_low">
<parameter>
<auto>true</auto>
<start>5</start>
<period>10800</period>
<waitOnload>false</waitOnload>
<minIdle>2</minIdle>
<maxIdle>10</maxIdle>
</parameter>
<step name="renewClue">
<theme>yesky_list</theme>
</step>
<step name="crawl">
<theme>yesky_list</theme>
<loadTimeout>3600</loadTimeout>
<lazyCycle>3</lazyCycle>
<updateClue>true</updateClue>
<dupRatio>80</dupRatio>
<depth>-1</depth>
<width>-1</width>
<renew>false</renew>
<period>0</period>
</step>
<step name="crawl">
<theme>yesky_detail</theme>
<updateClue>true</updateClue>
<dupRatio>80</dupRatio>
<depth>-1</depth>
<width>-1</width>
<renew>false</renew>
<period>0</period>
</step>
</thread>
</crontab>
Over.
More:http://blog.donews.com/me1105/archive/2011/04/09/143.aspx