网页文章采集器(SupeSite制作采集器的基本原理和一些细节问题，你知道吗？)

　　网页文章采集器(SupeSite制作采集器的基本原理和一些细节问题，你知道吗？)

　　很多朋友在论坛发帖询问采集器的*敏*感*词*法以及一些详细的问题。为了让更多站长更方便的使用SupeSite的采集功能，特制作本教程。

　　首先简单说一下制作采集器的基本原理和思路：

　　1、确定要采集的哪个页面的新闻，在“索引页url地址（图4和5）”中填写这些页面的地址

　　<IMG src="http://www.knowsky.com/img2005/200701239-4.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　<IMG src="http://www.knowsky.com/img2005/200701239-5.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　2、 确保你想要采集的内容区域在这些页面上，因为不是一个网页的所有内容都需要采集返回，而是采集部分一个网页的内容，所以你必须告诉程序你想要采集的区域，这就是“列表区域识别规则”；（图4和5）

　　<IMG src="http://www.knowsky.com/img2005/200701239-4.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　<IMG src="http://www.knowsky.com/img2005/200701239-5.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　3、Step 2 确定区域后，告诉程序你想要采集的文章链接，即“文章Link URL Identification Rules”。（图4和5）

　　<IMG src="http://www.knowsky.com/img2005/200701239-4.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　<IMG src="http://www.knowsky.com/img2005/200701239-5.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　4、既然已经确定了大采集框架，下一步就是告诉程序在一个文章页面上，文章的标题，来源文章 和作者分别是什么。然后就是一个文章内容的范围，也就是说，在一个文章页面中，你真正需要采集的范围是“文章内容识别规则” . 最后，设置分页区域和分页的链接地址。（图片6）

　　<IMG height=437 src="http://www.knowsky.com/img2005/200701239-6.JPG" width=482 alt="supesite四步教会您制作采集器_discuz!论坛" >

　　.

　　5、 以上4步就确定了采集的作用域。如果您需要过滤标题和内容，请根据您的要求设置“内容页面组织设置”。

　　以上确定范围的步骤都是通过查看页面的源代码来设置的。拦截方法需要一定的经验，练习2-3次即可理解。

　　接下来介绍采集器的基本原理和步骤：

　　首先：在后台打开采集器，点击“添加新机器人”。（图片1）

　　<IMG src="http://www.knowsky.com/img2005/200701239-1.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　二：填写基本设置：（图2）

　　<IMG src="http://www.knowsky.com/img2005/200701239-2.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　这里有两个地方需要指出：单个采集的数量和采集的页面代码。将单个采集的数量设置得尽可能小，以避免超时。采集页面编码是你采集的网页的编码，不是你网站的编码。记住这里！！

　　如何查看采集页面的编码：点击页面头部的“查看”，然后点击“源文件”，然后找到类似“”的东西。charset 后面需要填写的“采集 页面编码”。（图片3）

　　<IMG src="http://www.knowsky.com/img2005/200701239-3.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　第三：列表页采集设置：（图4）

　　<IMG src="http://www.knowsky.com/img2005/200701239-4.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　还有（图片5）

　　<IMG src="http://www.knowsky.com/img2005/200701239-5.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　这里设置的是采集页面的url地址，采集内容的区域范围，以及采集文章标题的url地址。

　　采集 设置页面的URL地址有两种方式：手动输入（图4）

　　<IMG src="http://www.knowsky.com/img2005/200701239-4.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　并自动增长（图片5）

　　<IMG src="http://www.knowsky.com/img2005/200701239-5.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　. 手动输入需要你逐行输入需要的采集地址。自动增长只需填写采集页面的地址和页码即可。有关详细信息，请参见图 5。使用 [page] 而不是分页变量。

　　采集内容的范围替换为[list]，采集文章的标题替换为[url]。

　　第四：内容页面采集设置：（图6）

　　<IMG height=437 src="http://www.knowsky.com/img2005/200701239-6.JPG" width=482 alt="supesite四步教会您制作采集器_discuz!论坛" >

　　这里需要设置的采集规则有：文章标题、文章来源（可选）、文章作者（可选）、文章内容、分页设置（可选）。

　　文章标题替换为[subject]，文章的出处替换为[from]，文章的作者替换为[author]，文章的内容@>被[message]代替，分页区用[pagearea]代替，[page]代替分页链接。

　　后续的过滤设置可以根据自己的需要和采集页面的具体情况填写。

　　设置好后点击提交，然后点击“开始采集”（图7）

　　<IMG src="http://www.knowsky.com/img2005/200701239-7.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　, 图 8

　　<IMG src="http://www.knowsky.com/img2005/200701239-8.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　这是采集的过程。采集完成后，点击“查看结果”（图9）

　　<IMG src="http://www.knowsky.com/img2005/200701239-9.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　,如果你的采集规则正确，可以得到图10

　　<IMG src="http://www.knowsky.com/img2005/200701239-10.JPG" alt="supesite四步教会您制作采集器_discuz!论坛" >

　　最后将采集的内容导入信息中。这里有一点：采集的内容只能导入新闻频道。