# 龙辉起重 U盘采集器 · 采集规则详细说明 v2.0

> 发布日期：2026-10-18 | 适用版本：GUI版采集器（config.txt 规则 v2）

## 一、总原则（一句话）

插U盘 → 点开始 → 自动扫电脑**所有分区** → 只收「文档 / 表格 / 图纸 / 压缩包 / 邮件」5类工作文件 → **跳过系统目录和软件自带垃圾** → 内网直推服务器，不通则落U盘待补传。

## 二、收什么：三道关卡，层层过滤

### 关卡1 · 目录关卡（最关键）

扫盘时，**路径里任何一层目录名**命中黑名单 → 整棵子树直接跳过，一棵都不进。

> 例：`D:\Kingsoft\WPS Office\help\` 命中 `help` → 跳过；
> `D:\CAD2024\install\` 命中 `install` → 跳过；
> `C:\Users\张三\Documents\项目\` 未命中 → 正常采集。

### 关卡2 · 扩展名关卡（24种，7类）

| 类别 | 扩展名 |
|---|---|
| 文档 | .doc .docx .wps .rtf .ofd .txt .md |
| 表格 | .xls .xlsx .et .csv |
| 演示 | .ppt .pptx .dps |
| PDF | .pdf |
| CAD图纸（重点） | .dwg .dxf .dwf .plt |
| 压缩包 | .zip .rar .7z |
| 邮件 | .msg .eml |

### 关卡3 · 文件关卡

- **大小**：小于 100 字节（空文件）或大于 200MB（超大文件，多为软件安装包/录像）→ 跳过
- **文件名**：命中软件自带特征名（readme/license/eula等）→ 跳过

## 三、不收什么：目录黑名单（60个，分四类）

### ① 系统目录（16个）
`Windows` `Program Files` `Program Files (x86)` `$Recycle.Bin` `System Volume Information` `AppData` `ProgramData` `Recovery` `Documents and Settings` `$WinREAgent` `PerfLogs` `Windows.old` `Intel` `AMD` `NVIDIA` `MSOCache` `Boot` `EFI`

### ② 开发缓存目录（12个）
`node_modules` `.git` `__pycache__` `venv` `.venv` `.idea` `.vscode` `.cache` `pip` `npm-cache` `yarn` `bower_components`

### ③ 软件特征目录·英文（20个）
`install` `setup` `update` `upgrade` `patch` `cache` `temp` `tmp` `backup` `sample` `example` `demo` `template` `locale` `lang` `font` `driver` `resource` `help`

### ④ 软件特征目录·中文 + 采集器自身（12个）
`缓存` `临时` `备份` `语言包` `字体` `补丁` `驱动` `回收站` `待补传` `日志` `python38`

> **特别注意**：黑名单里**故意没有**「安装方案/模板/说明书/文档」这类词——
> 因为 `D:\安装方案\吊装方案.pdf`、`D:\投标模板\商务标.docx`、`设备使用说明书.pdf`
> 都是**正经业务文件**，必须正常采集，不能误杀。

## 四、软件自带文件怎么识别（三类特征）

| 特征 | 例子 | 处理 |
|---|---|---|
| 目录名特征 | help / install / cache / locale / 语言包 / 字体 / 缓存 / 临时 / 备份 | 整目录跳过 |
| 文件名特征 | readme / license / eula / changelog / release_notes / whatsnew | 单文件跳过 |
| 大小特征 | 大于 200MB（安装包、离线包、录像） | 跳过 |

## 五、边界原则：宁可多采，不可漏采

- **拿不准归属的文件**：照采。收回来后由服务器端做二次清洗（按路径/文件名/大小再筛一遍，可疑文件进"待确认"）。
- **微信/QQ接收的文档**（路径在 `WeChat Files` 等目录下）：这些大多是**员工实际工作文件**，正常采集（仅图片视频被扩展名关卡挡掉）。
- **三维模型**（.step/.stp/.igs/.iges/.sldprt/.sldasm等）：按您要求暂不采集。

## 六、采多少（参考量，取决于电脑岗位）

| 电脑类型 | 预计文件数 | 预计体积 | 耗时 |
|---|---|---|---|
| 文员/行政 | 50 ~ 300 个 | 0.1 ~ 2 GB | 3 ~ 8 分钟 |
| 技术/预算 | 200 ~ 2000 个 | 1 ~ 20 GB | 8 ~ 20 分钟 |
| 图纸/设计岗 | 500 ~ 5000 个 | 5 ~ 50 GB | 15 ~ 40 分钟 |

> 以上为经验估算，实际取决于电脑存了多少资料；界面实时显示进度与预计剩余时间。

## 七、怎么改规则（无需动代码）

打开U盘里的 `config.txt`（记事本即可）：

- **不想采压缩包**：从 `include_ext` 行删掉 `.zip,.rar,.7z` 保存
- **想把某目录加进黑名单**：在 `exclude_dirs` 行末尾加 `,该目录名`
- **想放开 200MB 限制**：改 `max_size=209715200`（单位字节）
- 改完保存，重新双击「★点我-开始采集★.bat」即生效

## 八、本次升级内容（v1 → v2）

| 项目 | v1（旧） | v2（新） |
|---|---|---|
| 目录黑名单 | 16个，仅系统目录 | 60个，系统+开发缓存+软件特征目录 |
| 目录匹配方式 | 只认单层目录名 | 路径任意层命中即跳过 |
| 软件文件识别 | 无 | 新增文件名黑名单（readme/license等） |
| 误杀风险 | 低 | 已实测：业务目录（投标模板/安装方案/说明书）不误杀 |