文章采集规则(Phpcmsv9默认内置文章、图片、下载3个内容模型 )

　　文章采集规则(Phpcmsv9默认内置文章、图片、下载3个内容模型

)

　　phpcms v9默认内置了文章、图片、下载三种内容模型。我们先来看看最常见的文章采集。以采集新浪互联网频道、国内滚动新闻栏目为例

　　1、进入后台，内容-内容发布管理-采集管理-添加采集积分。（与以前版本的 Phpcms 不同，采集 在模块菜单中管理）

　　2、网址规则。采集项目名称随便填，采集页面代码默认为GBK。您可以查看特定 采集 页面的页面源代码。

　　URL采集没有大的特点，通过查看想要的采集页面的URL规则来填写。分析目标页面的结果是一个序列URL，要获取的内容的URL在两个标签之间。没有其他干扰链接，因此无需定义哪些字符必须收录在 URL 中，哪些字符不能收录在 URL 中。如果目标 网站 配置了 Base，那么也配置它。

　　URL采集的配置已经完成，但是如果目标网站列表页面使用js实现上下页，或者要获取的URL深度超过2级，就会使用内置的 采集 很难实现这一点。

　　3、内容规则。phpcms就是使用“[content]”作为通配符，然后设置开始和结束字符，然后过滤掉不必要的代码，实现内容采集。分析目标页面的title标签比较规整，可以直接如图设置。

　　过滤格式为“要过滤的内容[|]替换值”，如果删除，替换值留空。过滤规则支持正则表达式。系统自带几个常用的标签过滤规则。新手要更灵活的过滤有点困难，所以新手需要先熟悉正则表达式。

　　根据规则获取作者规则、来源规则、时间规则。小编试了个固定值，发现无法实现，就是给某个标签设置一个固定值，比如设置“source”为，但是采集result source标签为空。

　　内容规则，填写开始和结束标签，我们测试的目标页面比较干净，所以只过滤掉里面的超链接和一些无用的标签。

　　内容分页规则，如果内容页有分页，必须填写。这里的文章没有分页。小编会在下图采集中介绍这个标签。

　　4、自定义规则，除了系统默认的标签外，还可以自定义各种标签，规则都是一样的，但是有一点需要注意：规则的英文名称一定要填写，否则无法保存自定义标签。

　　5、高级配置，这次可以设置下载图片、图片水印、内容分页和导入顺序。注意如果需要水印记得修改你的网站的水印图片，水印存放路径：statics/images/water

　　6、规则设置好后，提交回采集管理首页。您可以先测试一下每个标签是否准确。

　　7、发布内容。如果无误，先点击采集网址，会自动采集文章地址，过滤重复网址。然后会弹出采集URL完成的消息，点击里面的“采集文章Content”

　　采集自动显示采集进度。

　　采集完成后会自动返回采集管理首页，点击内容发布，进入采集文章列表，勾选文章为发布，或者直接点击底部的全部导入。

　　进入发布方案选择界面，新建发布方案，选择发布栏目。在此测试中，选择了 文章 模块的“国内”列。在方案新页面，可以设置自动提取摘要、自动提取缩略图、导入文章@文章状态、标签和数据库对应关系。其中，import 文章状态只有一个“release”。如果站长需要状态为待审核，则必须先将相应栏目的工作流程修改为一级审核。

　　在标签与数据库的对应关系中，采集标签与数据库字段一一对应。如果有自定义标签，找不到对应的字段，需要先修改模型添加字段，再修改模板显示，技术要求高。，不适合初学者。此外，系统自带多项处理功能，也相当实用。

　　发布方案设置好后会自动开始导入选中的文章，下次导入不需要创建方案，选择已经建好的方案即可。