常州布谷鸟网络,常州网站定制,常州网络公司,常州小程序开发公司,常州小程序分销商城,常州小程序商城,常州APP开发,常州网站建设,常州微信公众号维护
DeDeCMS织梦后台自带采集器采集教程案例
日期:2020-6-4 11:12:32  阅读:

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

,有的文章开头是
,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

 





作者:秀站网 (来源:秀站网

[声明] 本文系本网编辑转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网邮箱 7016867@qq.com 联系,我们将在第一时间删除内容!
Design By 布谷鸟网络 Since 2004 | 常州网络公司 | 常州网站设计 | 常州网页设计 | 常州小程序开发公司 | 常州微信商城设计 | 常州微信公众号商城 | 常州小程序商城 | 网站地图 |
本站由 为布谷鸟网络(www.cncuckoo.com)提供云计算与安全服务 苏ICP备12074670号-1 常州百度优化