返回目录

使用 —— 内容 —— 采集管理

一、简介

文章的采集功能是通过程序来远程获取目标网页内容,经过本地规则解析处理后存储到服务器的数据库内。
文章采集系统颠覆传统采集模式和流程,采集规则与采集界面分离,规则设置更简单,只需有基础技术知识的人员设置好相关规则。
编辑人员无需了解太过细节的技 术规则,只需选中自己想要采集的文章列表,就可以像发布文章一样,轻松地完成数据采集操作。

二、功能演示

一、采集流程 简单的讲有三个步骤: 1、添加采集点,填写采集规则。 2、采集网址,采集内容 3、发布内容到指定栏目
以采集新浪新闻(http://roll.news.sina.com.cn/news/gjxw/gjmtjj/index.shtml)为例,作一下详细流程介绍。
实例说明: 目标:采集新浪新闻到V9系统 “国内” 栏目中。 目标网址:http://roll.news.sina.com.cn/news/gjxw/gjmtjj/index.shtml 1、添加采集点 2. 网址规则配置

1. 添加采集点,填写采集规则


A.内容规则


注:上图的“目标网页源码”是指:目标网页的源代码。具体步骤如下:
目标网页——>右键——>查看源代码——>找到你要采集的源代码开始和结束,按“上图”填写规则。

添加成功后,测试你的网址采集规则是否正确,如下图所示:


B.内容规则配置

为了便于说明,我们只采集标题、内容两个字段。
采集内容网址:http://news.sina.com.cn/w/2010-12-01/135121565455.shtml 的内容采集规则,请你打开这个网址,然后页面空白处右键->查看源文件搜索标题和内容的开始边界。

标题采集配置: 从网页<title></title>里取标题,并去除不需要的字符。如下图


内容采集配置: 新浪新闻最终页,新闻内容都包含在 <!-- 正文内容 begin --> <!-- 正文内容 end --> 之间,而且这二个结点,在整个页面源代码中具有唯一性。所以可以以此为规则取内容。并对内容进行过滤。如下图  


C.自定义规则

除系统自带的规则外,可根据自己需求进行自定义规则采集。操作和系统规则相同,如下图:


D.高级配置

可设置是否把图片下载到服务器上,是否打水印等配置。如下图所示:


2. 采集管理

添加采集点测试成功后,你可以管理你添加的采集点(采集网址,采集内容,内容发布,测试,修改,复制,导出).如下图所示:


A.采集网址

采集采集点的网址。

B.采集内容

采集采集点的内容。

C.内容发布

将采集的内容发布到指定栏目中。如下图所示:


点击“导入”,跳转到选择栏目页面。如下图所示:


点击“提交后”,跳转到栏目配置设置页面。如下图所示:



提交成功将采集内容导入到指定栏目(如下图所示)。在此期间请耐心等待, 完成后会自动转向。至此一个简单的采集流程就操作完成。在指定的栏目下已经存在你采集的内容信息。


返回目录
上海盛大网络发展有限公司 c 2006 - 2011 B2-20040053.
问题和建议请反馈至:http://bbs.phpcms.cn

NetPc