关键词文章采集器(优采云采集器为每个网站设置不同的采集规则(图))

　　关键词文章采集器(优采云采集器为每个网站设置不同的采集规则(图))

　　优采云采集器是用户提供的关键词，云端自动采集相关文章发布给用户网站< @网站采集器。可自动识别各种网页的标题、正文等信息，实现全网采集，无需用户编写任何采集规则。 采集到达内容后，会自动计算该内容与集合关键词的相关性，只推送相关的文章给用户。支持标题前缀、关键词自动加粗、插入固定链接、自动提取Tag标签、自动内部链接、自动图片分配、自动伪原创、内容过滤和替换、电话号码和URL清洗、定时< @采集，百度主动提交一系列SEO功能。用户只需设置关键词及相关要求，即可实现网站的内容更新，全程托管，零维护。 网站的数量没有限制，无论是单个网站还是大批量的站群，都可以非常方便的管理。

　　研发背景

　　文章采集器是大多数网站管理员必备的网站更新工具。传统的采集器提取网页信息主要基于正则表达式匹配网页内容，运行速度快，实现难度低。但是不同的网站有不同的页面结构，需要编写不同的采集规则，工作量大，维护难度大。而且用户需要自己寻找采集的来源，也需要自己挂机运行采集器，甚至涉及IP被封的可能性、需要使用代理IP。

　　主要功能

　　提供1亿+级的庞大关键词库，可根据用户输入的任意文本进行关键词搜索，简单查询后即可用于采集，大大减少了用户采集关键词的时间和精力。用户还可以创建自己的私人词汇，可以分组，数以百万计的关键词可以轻松管理，也可以满足更加个性化的关键词需求。按关键词采集文章，基于百度、搜狗、好搜等搜索引擎，全网采集精美好文章，用户不用花钱去找到采集能量的来源。自动识别网页编码、标题、正文等信息，无需为每个网站设置不同的采集规则，也无需到处找人写采集规则，无需懂html源码，完全零维护。您可以设置所需的文本长度，例如 500 字、750 字和 1000 字。不符合标准的内容会被自动丢弃。系统内置多种自然语言处理算法，自动计算文章文本与关键词的相关性（特征向量间的余弦距离），并自动滤除文章 相关性低。将高度相关的 文章 留给用户。自动计算文章文本的平滑度（语言混淆），丢弃平滑度低的文章，把平滑度高的文章留给用户。自动计算标题（Title）和描述（Description）与关键词的相关性。如果相关性较低，可以在标题和描述中自动插入关键词，以提高相关性。您也可以为标题设置前缀关键词，每次从多个设置的前缀中随机选择一个添加到文章标题的头部。基于机器学习算法的文字*敏*感*词*可以对采集的内容进行审核，保障用户内容安全。实现基于同义词替换的伪原创功能，从2000万对同义词中选出最合适的词，替换原文中的词，最大化文章的可读性。实现基于机器学习的智能AI伪原创，首先将原创文本编码成高维语义向量，然后通过*敏*感*词*逐字解码，实现对整个文章的完全重写，< @伪原创 度数高，可读性好。 Tags 标签自动提取，在此基础上实现自动内链。当正文中出现标签对应的文字时，在正文中添加网站文章的链接，指向同主题文章的文章，实现内部自动化、科学、有效链建设。您还可以设置固定链接。当正文中出现一些固定文本时，为其添加一个固定链接，指向站内或站外的文章。根据文章的内容自动匹配图片，这样即使你是采集的文章，也可以同时显示图片和文字。您可以设置图片本地化或使用远程图片，并屏蔽所有图片。您可以设置阻止某些网站而不是采集，或者收录某些不是采集的词的内容。自动过滤文章前后的*敏*感*词*、网址、广告内容等冗余信息，清理所有标签，只保留正文部分

　　段落标签和图片

　　标签不收录任何乱码，也不收录任何排版格式，方便用户通过css样式自定义外观。严格的防重复机制，整个平台的每个URL只有采集一次，而不是采集。在同一个网站下，同名的文章只会出现采集一次，不会重复采集。您可以指定每个关键词允许采集实现大量长尾关键词非重复布局的文章数量。云端自动运行采集任务，可调度量化采集。用户不需要在自己的电脑上安装任何软件，不需要挂断采集，甚至不需要打开浏览器。 采集 会自动发布到用户的网站 后台。用户只需将接口文件下载并上传到网站的根目录即可完成对接。 采集会自动实现百度主动推送，让蜘蛛快速找到你的文章。

　　支持的网站建设程序/内容管理系统

　　织梦内容管理系统（DEDEcms）帝国网站管理系统社区动态DISCUZ（论坛版）Z-BLOGWordPressOld y文章管理系统EMLOGMIPcms凡客网（凡客建站）易友企业建站系统（EYOUcms）米拓建站（MetInfo）江湖cms微连云PHPcmsDESTOON（B2B网站系统）