DeDeCMS织梦后台自带采集器采集教程案例分享

作者: 本站原创  发布时间:  浏览:

前面几篇文档,我们介绍了织梦自带采集器使用教程,但是不是每个用户都可以用都好,总之采集这个东西要实站积累经验才行,因为目标站代码不同,只有碰到不同的问题积累起来才能上手操作。

第一步、我们打开织梦后台点击采集——采集节点管理——增加新节点

 

第二步、新增节点-配置网址索引

填写要采集的网站的列表相关规则,

查看采集站点的编码和网站源码

我们右键单击,点击查看源码,在源码的开头位置,找到一个写有charset=某一编码的meta标签,比如charset="gb2312",这个就是所说的网站编码了

 

 

选择采集站点的编码

 

 

第三步、新增节点-配置文章网址匹配规则

我们查看采集站点的列表页源码,找到文章列表开始html和结束html标签,分别把它们复制到增加采集节点->文章网址匹配规则的"区域开始的HTML"和“区域结束的HTML”输入框中。你不一定选择右键查看源码来找到文章列表开始标签,你可以在文章开始的地方右键单击,审查元素(chrome浏览器,firefox是查看元素),这样就更方便的找到文章列表开始和结束的标签了。

设置之后我们点击"保存信息并进入下一步设置"

 

 

第四步:网址获取规则测试

如果在测试结果发现有无关的网址信息,说明的第五步中的网址过滤规则有误或者没有填写过滤规则。如果发现采集有误,你可以返回上一次修改,没有就点击“保存信息并进入下一步设置”。

 

第五步:内容字段获取规则

我们查看采集站点的文章源码,找到相关选项的开始和结束html标签,填写入指定位置,开始和结束标签以"[内容]"分格。

设置完毕,我们点击"保存配置并预览"

 

第六步:过滤规则

在第七步中的匹配规则后面,都 有一个过滤规则,这个过滤规则是用来过滤无需采集的内容。

比如,网易每篇文章都有一个放置广告的iframe标签,我们要采集网易的文章,不可能采集回来之后,一篇一篇得去删除这个广告。但是如何去除呢?去除方法就是那个过滤规则,我们点击常用规则,就会弹出一个小窗口,列出了常用的过滤规则,我们只需点击要们要过滤的规则即可,要过滤网易文章中的iframe标签,我们就点击iframe即可。

测试内容字段设置

因为网易有的文章开头是<div id="endText">,有的文章开头是<div id="endText" class="end-text">,所以会出现采集出错的情况。

如果你现在就要采集,你可以点击保存并采集。这里我选择仅保存

采集内容(一)

回到采集节点管理的界面,也就是第一步中的界面,我们选择节点,点击采集

 

采集内容(二)

 

 

查看已下载

可以在采集界面(即第十步中的界面)的右上角,点击“查看已下载”。也可以在“采集节点管理”的界面里点击“查看已下载”。这里以第二个方法为例。

导出内容

选择要导入到的栏目,数据量,是否生成html文件 ,随机推荐数量

最终结果

 

上一篇:火车头织梦文章图集采集采集+附加自定义字段完整教程

下一篇:阿里云虚拟主机.htaccess设置防盗链代码写法

相关文章

织梦采集侠破解版下载v2.8及使用方法

火车头采集下载图片保存到本地路径设置方法

火车头采集织梦的文章是动态的改成静态

织梦火车头采集软件采集教程(采集器破解版+发布

阿里云虚拟主机.htaccess设置防盗链代码写法

添加微信
添加微信,免费咨询

15205695834

新手指南支付购买售后服务关于我们版权合规
合肥秀站网络科技有限公司
Copyright 2002-2022 麦站 版权所有
皖ICP备12018676号 网站地图