采集网站数据有一项重要的配置，就是配置采集规则中数据的起始位置和终止位置，即采集数据的前置标志和后置标志。
前面我们已经讲解过，采集数据，实际就是从网页的源代码中截取您想要的数据。任务网页的内容都可以通过“查看源代码”的方式，查看数据。网页代码就是一个文本内容。所以，要获取数据，就要告诉软件该从哪里截取数据，到哪里结束。这个就是采集数据起始位置和终止位置。
严格意义上，任何采集数据的起始位置和终止位置都必须是唯一的，只要这样，获取的数据才可以准确。如果采集的标识无法唯一，系统首先判断是否为采集多条数据，即所谓的循环采集。如果不是，将抛弃垃圾数据。但实际情况是，由于网页多种多样，所以很难做到采集标志的唯一，针对这种情况，系统也提供了处理方法，可以缩小网页源码的范围，或者限制采集的数据类型，来提高系统采集的精度。
对于采集数据的起始位置和终止位置的配置，我们进行了总结，并给与以下建议：
1、如果可以有唯一的标志，则尽可能的采用唯一标志，即便会采集到无用的数据，也要采用唯一的标志，如果采集到了无用数据则可以通过数据输出“去除网页代码”或“正则替换”等方法来去除多余数据：
举例：
<h1><a href="http://www.***.com/***.html" target="_blank">#######</a><h1>
采集数据为#######，前置和后置标志可以设置为：target="_blank"> 和 </a> ，但由于在网页代码中此种标志会很多，容易造成采集过多的垃圾数据，所以可以将采集标志设置为：<h1> 和 </a></h1>，但此时会将<a href="http://www.***.com/***.html" target="_blank">也采集到，所以，在数据输出时，设置“去除网页代码”，即可准确的采集此数据。
2、无唯一的起始位置，或无唯一的终止位置。很多时候采集的内容都会具备连接地址，还是以上面的例子说明
<h1><a href="http://www.***.com/***.html" target="_blank">#######</a><h1>
其中连接地址会随内容的不同而发生变化，如果需要采集文本内容，则还是要按照上述方式进行，尽管处理的方法一样，但这是将采集范围扩大，然后再获取采集的数据。
3、采集了过多的数据，用户在设置起始和终止位置后，系统采集了很多无用的数据。此时，可以通过限定采集数据类型来缩小范围。
系统默认的匹配符号(可参见前面所讲的正则表达式培训内容)是.+? ，此类型为匹配所有类型的文本，但用户也可修改此类型来缩小匹配，譬如：只匹配数字、匹配时不能包含网页符号等等，这样就可以达到精确采集的目的。此内容在采集规则中，限定条件里设置。
4、多条记录的采集（循环采集）。系统并不明确表明当前的采集是否为循环采集。但系统会根据您设置的采集规则来自动判断，即将您设置的采集规则全部完成采集后，还会继续匹配，如果在后续的文本内容还可以完整的匹配出来，则系统就会自动执行循环采集。记住：是完整的匹配。
譬如：
<table>
<tr><td>1</td></tr>
<tr><td>2</td></tr>
</table>
如果设置采集标志为：<td>及</td> 系统在采集完成 1 之后，还会继续判断后续的内容是否包含 符合采集要求的数据，如果包含，则继续采集，此时就会将 2 也采集出来，并自动生成一个多条记录的表格。
5、相同采集标志的采集，这个需要用实例来说明
<table>
<tr><td>1</td><td>2</td><td>3</td></tr>
<tr><td>4</td><td>5</td><td>6</td></tr>
</table>
采集的数据是，1，2，3 一条记录 ，4，5，6第二条记录。此时，设置简单，只要设置三个重复的<td>及</td>,系统即可采集得到您想要的数据。
但如果只想采集 1,3 一条记录 4,6 第二条记录，如果设置两个重复的 <td>及</td> ，系统将无法获取得到，为什么？因为系统将无法实现完整匹配，记住，是完整匹配，上面介绍所说，所以，为了可以采集得到完整的数据，必须设置完整，还是以上的内容设置。
但对于多余的数据该如何处理呢？简单，在数据输出时取出无用的第二列，或者直接采用网络矿工的数据加工工具，删除多余列。再进行输出。
今天先讲这么多，如果大家有疑问，可以将正在配置的采集任务告知我们，我们做几个实例来讲解一下。此文同步发表到BBS。