当前位置: 首页 > 织梦教程 > DedeCMS 文章采集入门图文教程(推荐)

DedeCMS 文章采集入门图文教程(推荐)

365ymw / 2019-09-10
[] [] []

 以织梦官方站为例,我们采集站长学院下的PHP教程栏目,打开列表地址http://www.dedecms.com/web-art/PHP_jiaocheng。 登录后台,进入“采集节点管理”,新建一个节点,选择内容模型为“普通文章”。

 
1.设置节点基本信息
 
先填写一个方便记忆的节点名称,选择目标页面编码为GB2312,防盗链模式不做设置,因目标站没做限制,这一项就不做修改,系统默认超时时间10秒。
 
2.设置列表网址获取规则 
 
 这一步我们要做些设置,获取文章列表地址,回到目标站列表页,观察分页间的变化,可以发现只有“14_”后的数字有规律的递增变化。
 
首页:http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_1.html 
中间:http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_(*).html 
末页:http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_172.html 
 
复制一个分页地址,回到“新增采集节点”页面,选择“来源属性”为“批量生成列表网址”,把粘贴地址到“匹配网址”中,修改规律变化处为(*),“批量生成地址设置”处(*)输入1到172,这里的意思是生成出列表第一页到最后172页的所有地址。
 
测试一下,在弹出框中我们可以看到循环出172条地址记录,很顺利的就设置好了。有时候会碰到较难获取的列表,那我们可以把把没规律的地址复制到”手工指定列表网址“文本框中来采集。
 
3.设置文章网址匹配规则 
 
上面指定好了文章地址来源页,这一步就需要在这些页面中找出符合要求的文章地址页了。打开一个列表页面观察,左栏的方框中包含了我们需要的全部地址,这种情况区分明显的页面,可以利“区域开始的HTML”和“区域结束的HTMLL”设置进行过滤。
 
不过也可以使用其他方法。把鼠标移到各处链接地址,观察浏览器左下角显示的完整地址,我们需要的地址都包含“PHP_jiaocheng/20”,那我们把它填写到“必须包含”中。
 
两种方法都能够过滤出地址,碰上复杂页面,可以配合起来使用,加上正则,几乎没有筛选不出的地址,附(图5.1)对照。最后确定,进入下一步“网页内容获取规则”。
 
 
 
 

本文链接:http://www.365ymw.com/article-1391.html 转载请保留出处,谢谢!

中查找“DedeCMS 文章采集入门图文教程(推荐)”更多相关内容

用户评论

暂时还没有任何用户评论
用户名: 匿名用户
E-mail:
评价等级:
评论内容:
验证码: captcha

浏览历史

免责条款 | 隐私保护 | 联系我们 | 公司简介 | 报价单 | 商城源码 | 网络公司源码 | 政府网站源码 | 培训学校源码 | 广告公司源码 | 积分商城 | 留言板 | 尚禹科技
Copyright © 2010-2019 365ymw.com All Rights Reserved. 365源码商城 版权所有
地址:湖北省十堰市朝阳路 Tel:13636200495 E-mail:294378712@qq.com
QQ QQ
共执行 169 个查询,用时 0.119639 秒,在线 103 人,Gzip 已禁用,占用内存 8.347 MB
流量统计:
源码商城 源码交易网 卖源码 带手机端织梦模板 网络公司源码 培训学校网站源码 企业网站源码 商城源码 dedecms模板 政府网站源码 响应式网站模板 广告公司网站源码 伪静态网站
  • VIP代理加盟
  • 电话咨询
  • 13636200495
精品网站源码商城二维码