解决方案:phpcmsv9自带采集模块功能体验

　　解决方案:phpcmsv9自带采集模块功能体验

　　Phpcms网站管理系统最新版本为Phpcms v9，作为国内主流的cms系统之一，网站有上万个> 应用程序。那么其内置的采集模块的功能究竟如何呢，一起来看看吧。

　　文章采集

　　phpcms v9默认内置文章、图片、下载3个内容模型。我们先来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-添加采集点。（与以前版本的Phpcms不同，采集管理在模块菜单中）

　　2.网站规则。采集项目名称随意填写，采集页面编码默认GBK。具体的采集页面，可以查看其网页源码。

　　URL采集没有什么大的特点，通过查看想要的采集页面的URL规则来填写。分析目标页面后发现是一个URL序列，要获取的内容的URL都在这两个标签之间。没有其他干扰链接，因此无需定义必须和不能收录在 URL 中的字符。如果目标 网站 配置了 Base，请同时配置它。

　　URL采集配置完成，但是如果目标网站列表页使用js实现上下页，或者获取的URL深度超过2层，会很难使用内置的 采集 实现它。

　　3.内容规则。phpcms使用“[content]”作为通配符，然后设置开始和结束字符，然后过滤不需要的代码实现内容采集。分析目标页面的title标签比较规整，直接如图设置即可。

　　过滤格式为“待过滤内容[|]替换值”，删除则替换值留空。过滤规则支持正则表达式。系统自带几种常用的标签过滤规则。新手想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。小编尝试了一个固定值，发现无法实现。就是将某个label设置为固定值，比如将"source"设置为 ，但是采集结果source label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，则必须填写。这里文章没有分页，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，您还可以自定义各种标签。规则都是一样的，但是有一点要注意：规则的英文名称一定要填写，否则自定义标签无法保存。

　　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，记得修改你的网站水印图片，水印存放路径：statics/images/water

　　6. 规则设置好后提交，返回采集管理主页。您可以先通过测试，看看标签是否准确。

　　7. 发布内容。如果都正确，先点击采集网址，采集文章地址会自动显示，重复的网址会被过滤掉。然后会弹出采集 URL complete 消息，点击“采集文章Content”

　　采集 自动进行并显示 采集 进度。

　　采集完成后自动返回采集管理首页，点击内容发布，进入采集文章列表，勾选文章待发布，或者直接点击最下方的Im​​port All。

　　进入发布计划选择界面，新建发布计划，选择发布栏目。此测试选择 文章 模块的“Domestic”列。在新建方案页面，可以设置自动提取摘要，自动提取缩略图，导入文章状态、标签和数据库对应关系。其中，导入文章的状态只有一个“Release”，如果站长需要状态为pending review，首先要修改相应栏目的workflow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，需要修改模型添加字段，再修改模板显示，技术要求比较高，不适合新手。此外，系统自带了多项处理功能，也非常实用。

　　发布计划设置完成后，刚才选择的文章会开始自动导入，下次导入不需要再建计划，直接选择已经建好的计划即可。

　　文章采集，发布完成。看看效果：

　　后台内容管理页面

　　内容页

　　让我们看看下面的图片采集

　　图片 采集

　　phpcmsv9自带图片模型，图片处理还有组图模式，方便一些站长制作图片网站或者设置图片显示方式。下面来体验一下使用内置的采集程序来采集图片，以采集页面的图片为例：

　　网站获取规则和内容获取规则和文章采集一样，最重要的一点，phpcmsv9采集的图片不能只采集 图像 URL，但应该是 采集 整个

　　标签，以便可以将其作为组图进行处理。如本例所示：内容标签设置为

　　采集内容应该是这样的

　　还有一个分页问题。目标站寻呼如图：

　　网页代码为：

　　所以你只需要在内容分页规则中选择list all模式，然后填写分页标签的起止符，系统就会自动采集分页的内容。

　　设置规则后，采集URL，采集content，发布内容。应注意发布计划。经过多次尝试，小编发现要实现群图模式，内容字段和群图字段都必须使用“处理成群图”功能。但是这种方式无法获取到第一个内容图片作为缩略图，所以最好自定义一个缩略图标签，直接获取一个内容图片地址作为缩略图。

　　设置后发布。查看 采集 效果：

　　栏目页

　　内容页

　　总结：经过仔细体验，phpcmsv9的采集功能比较全面，满足了基本的文章和图片采集。但是不够灵活，对于一些高要求的站长来说显然是不够的，门槛也比较高。采集模块的官方说明和帮助文件非常有限，不利于初学者。

　　解决方案:去除优采云采集器添加在帖子中的广告信息

　　删除帖子中添加的广告信息优采云采集器

　　网站想转型，原来网站是一个综合应用，有文章系统、博客、BBS等，使用优采云采集器即可非常方便采集，这个采集器是免费使用的，但是它会在每个采集帖子后立即添加一条广告信息。经分析，除了加上“—、*、-、~”等符号外，文字一般以“This post is by 优采云...”或“Welcome to visit...”开头，我用下面的语句代替，效果不错。我会和你分享。第一步是找出帖子中收录关键字的tid，然后在每个tid后加上“，”。select tid from pw_tmsgs where contentlike '%Welcome to visit%'; 第二步替换刚刚得到的tid 在(1,2,3,.... ...)中添加","{#replace_{#replace_keywordvEyty#}wordFDlFp#}来更新pw_tmsgs set content = mid(content ,1, (INSTR(content,'Welcome')-1)) 其中 tid in(1,2,3,.... ...); 帖子中的其他特殊符号也可以用此方法替换，注意替换前做好备份。因为我的网站资料不多，如果你采集资料多，可以考虑买他的正版，价格不贵，终身使用，谢谢优采云 代表软件作者。帖子中的其他特殊符号也可以用此方法替换，注意替换前做好备份。因为我的网站资料不多，如果你采集资料多，可以考虑买他的正版，价格不贵，终身使用，谢谢优采云 代表软件作者。帖子中的其他特殊符号也可以用此方法替换，注意替换前做好备份。因为我的网站资料不多，如果你采集资料多，可以考虑买他的正版，价格不贵，终身使用，谢谢优采云 代表软件作者。