帝国cms增加采集节点图文详解步骤

增加采集节点
增加采集节点:也可以说是新增一个采集任务。
说明:每个系统模型都有自己的采集,无论是内置的还是用户自定义的系统模型,新闻系统有新闻系统采集,下载系统有下载系统采集等等。
增加采集基本流程
1、增加采集节点;
2、预览采集正则是否正确;
3、预览无误后即可开始采集。


增加采集节点
1、登录后台,单击“栏目”菜单,选择“增加采集节点”子菜单,进入选择入库栏目界面:

2、进入选择入库栏目界面:(也就是选择采集的信息存放到哪个栏目)


3、选择入库栏目后,进入“增加采集节点”页面,如下图:


基本信息
节点名称此节点的名称
父节点可选择上级节点,主要方便管理,比如你可以把所有新闻的采集都归到一个父节点里。
采集页面地址要采集的页面列表,如果是多个列表用回车格开。
采集页面为直接内容页:说明填写的地址为直接内容页面地址。
采集页面地址方式二由系统自己生成列表,但必须是有数字规律的。
如:“http://www.phome.net/index.php?page=[page]([page]则为页码的范围)
内容页地址前缀信息页链接的地址前缀。如地址前面没域名的话,系统会加上此前缀。
如:http://www.phome.net+/news/2006/1.html
图片/FLASH地址前缀新闻内容的图片/FLASH地址为相对地址时使用。(针对newstext字段,远程保存时有效)
入库栏目采集的数据要入库的栏目。如本节点不是采集节点,请不选。(只列出属于此系统模型的栏目)
入库专题采集的数据要入库的专题。
节点生效时间“开始时间”与“结束时间”这个目前可随意设置。这主要是以后版本扩展之用。
备注备注或说明
选项
默认相关关键字截取标题前几个字符作为相关链接的“关键字”,推荐设为0,这样入库效率更高。
采集记录数可设置只采集前多少条记录。("0"为不限,系统会从头采到页面尾)
远程保存图片到本地选择后入库时系统会远程保存图片到本地,还可设置是否加水印。(针对newstext字段)
远程保存FLASH到本地选择后入库时系统会远程保存FLASH到本地。(针对newstext字段)
标题图片设置可设置选择远程保存第几个图片作为标题图片及生成缩图设置。
每组列表采集个数采集列表页每组记录数,单采集列表页请填1。
每组信息采集个数采集信息页数据每组记录数
每组入库数如果要远程保存图片/FLASH则请设小,如设为1。(为防止入库超时,系统推荐将php的超时设为360以上)
每组采集时间间隔针对部分网站限制了页面刷新时间间隔而设置的项
附加选项
页面编码转换页面编码的转换设置。
是否重复采集同一链接可设置同一链接是否重复采集。
是否隐藏已导入的信息推荐选隐藏。否则入库后的记录依然会显示到入库列表里。
采集后自动入库可设置采集后自动入库,不需要人工去入库。但有可能入库超时中断。
入库后自动删除已导入的信息:入库后同时删除备份的验证记录。
整体页面过滤正则格式:“广告开始[!--pad--]广告结束”。多个可用“,”格开。
针对整个页面代码进行过滤。
对整个页面字符替换原字符多个请用","格开,如果是新字符是多个,可以用","格开,系统会一一对应进行替换。
过滤选项
采集关键字标题包含关键字的信息才会采集。如不限制,请留空。多个请用","格开
替换原字符多个请用","格开,如果是新字符是多个,可以用","格开,系统会一一对应进行替换。
(针对标题与内容)
过滤广告正则格式:“广告开始[!--ad--]广告结束”,多个请用","格开。(针对newstext字段)
内容为空不采集如果newstext内容为空不采集设置项。
过滤相似可设置不采集标题相似超过多少个字符的信息。如不限制请填"0"。
可设置不采集标题完全相同的信息
截取内容简介如果信息简介(smalltext)没有值的话,系统会依此设置截取新闻内容(newstext)多少字符作为简介。
列表页正则
信息链接区域正则通常不需要设置。一般是设置只采集页面某一区域的链接缩小采集范围才设置的
在要采集链接区域的代码地方加上“[!--smallurl--]”
信息页链接正则采集“内容页链接”的正则(列表页里)
在信息页链接的地方加上“[!--newsurl--]”
标题图片正则采集“标题图片地址”的正则,可设置远程保存与地址前缀(列表页里,如图片在内容页,请留空)
在标题图片地址的地方加上“[!--titlepic--]”
内容页分页采集设置:(如没有分页请留空,针对newstext字段)
说明:如果是全部列表式,则只需看第一页的页面HTML代码。
入库是否保留原分页如果选择“不保留分页”则入库后的信息都不分页。
分页形式有“上下页导航式”与“全部列出式”两种形式。(一般全部列出式用的比较多)
"全部列出"式正则设置分页区域正则([!--smallpageallzz--])
分页链接正则([!--pageallzz--])
"上下页导航"式正则设置分页区域正则([!--smallpagezz--])
分页链接正则([!--pagezz--])



采集相关注意事项
1、按通常设置,同一链接不重复采集。
2、没有标题的信息不采集。
3、非固定内容可用“*”代表任意字符。
4、对于特殊字符请在前面加上“\\”,当然直接将特殊字符改为“*”最合适了。特殊字符如下:
“ )”、“(”、“{”、“}”、“[”、“]”、“\”、“?”等等。
5、正则要找出唯一性的开头字符。有时候空格都会成为识别的依据。
6、增加节点后最好先预览节点,预览无误后才开始采集。(管理采集节点那可预览)



7、"时间正则":为空的话,将为入库时间


+