使用优采云采集器采集文章的使用
优采云 发布时间: 2020-08-03 15:02任务:
采集某一个指定页面的文章包括(标题、图片、描述、内容)导入到自己网站数据库对应栏目(栏目id为57),数据库数组分别(title,thumb,descrption,content)。
页面上面第一张图作为文章缩略图,这边一个获取缩略图名称并添加上对应网站路径装入数据库thumb数组,另一个是下载下本地,统一上传到指定文件夹,(当然看软件可以直接ftp,目前还没弄,后期弄了会补充)
1、新建分组--新建任务
2、添加网址+ 编辑获取网址的规则
选择范围在 ul 里面的 li 里面的链接,注意排除重复地址,可以点击下边测试网址采集获取。
可以见到有采集到的文章链接了。
3、采集内容规则
我那边须要采集下面图上展示数据(catid是栏目id,可以将采集到的数据装入对应栏目,设置固定值就好)
着重说下内容和图片的采集,标题和描述同理内容采集
内容采集:
打开一个采集的文章页面,查看源代码(禁了右键的f11 或者在网址后面加上 view-source:一样可以查看):
选中文章开头一个位置,截取一段在ctrl+f 搜下是否惟一一段,若是就可以放到位置右图1处网站程序自带的采集器采集文章,结尾同开头一样。
我截取内容不想上面还带有链接图片可以数据处理,添加--html标签排除--选好确定--确定
还有须要下载页面图片,勾选和填写下边选项
图片采集:
(1)选中范围和内容一样(文章内图片)
(2)数据处理选 提取第一张图片 内容是:
(3)只要aa.jpg,正则过滤,获取内容:aa.jpg
(4)数据库储存有前缀,添加上, upload/xxxxx/
找一个页面测试一下,可以看见对应项目都获取到了。
4、发布内容设置,这里以形式三发布到数据库为反例网站程序自带的采集器采集文章,编辑后回到那边勾选刚定义的模块就好:
5、我需要保存图片到本地,要设置下保存文件的路径(ftp后续会试着使用)。
6、保存,查看刚新建的任务,右键 开始任务运行,这边就可以看见文字和图片都下载出来了,数据库上面也可以见到了。