dedecms如何采集文章

遇到这个采集文章问题,思索加寻找,终于弄出了眉目,发出来大家一起看看,能帮你我很高兴,有需要服务器空间建站可以联系客服QQ或者公众号。

如果要从其他站点转载文章,我们无需复制来复去,dedecms自带了文章和图片采集功能,对于不熟悉的人员来,采集规则配置起来很麻烦,常常在采集时出错,或者乱码,现在就向大家介绍dedecms的采集功能。

一、

打开新增节点菜单

打开后台->采集->采集节点管理,点击增加新节点

279759ee3d6d55fbdb878a766e224f4a20a4dd19

二、选择模型

02

三、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

3

四、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″,这个就是第二步中所说的网站编码了

4

 

5c

五、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”

6a

7

六、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”。

8c

七、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”

9

10

八、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。

11

九、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

12

13

十、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

14

十一、采集内容(二)

15

十二、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。

16 17

十三、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

18 19

十四、最终结果,有需要服务器空间联系我,价格真的很优惠

20

« »

发表评论