齐博CMS自带采集体验系列之DedeCMSv5.7系统

　　齐博CMS自带采集体验系列之DedeCMSv5.7系统

　　cms自带采集生活系列文章已完成三期：

　　cms自带采集PHPcmsV9体验系列

　　cms自带采集Dedecmsv5.7体验系列

　　cms自带采集测试系列cmsv6.6

　　今天的第四期，来感受一下齐博cms自己的采集，齐博cms原名PHP168网站管理，是大学时期由“龙城”创建的，也就是在2003年系统于2010年12月1日更名为奇博软件，自2003年10月V1.0版本发布以来，历经多次版本升级，现已发展成为最成熟的“核心+模块+插件” ”架构系统，成为国内领先的开源PHP系统。涉及电子政务、媒体新闻门户、大型企业信息化、电子商务B2B等高端互联网应用，为数以万计的免费和付费用户提供了应用平台。

　　同理，今天我们来体验采集自带的Qibocms全站系统的文章采集和群图采集功能。目标网站还是和之前的文章一样，所以比较好。

　　一、文章采集

　　1、Title 和 URL采集

　　采集target网站:

　　任意填写规则名称，以及所属类别，采集不影响内容。

　　List网站也有两种添加方式，一种是手动输入多页，另一种是有规律连续的多页。分析目标站的列表页URL，得到列表页的规则，用[page]代替换号就够了，所以我们选择“规则连续多页”，填写[page].shtml，然后填写开始和结束页码以及每次更改的渐变。 （温馨提示：在整个采集设置过程中，所有通配符都不需要手动填写，可以点击旁边官方说明中的通配符自动复制，直接粘贴即可）

　　同时奇博也考虑到网站list页面第一页的一些URL规则不符合整体更改规则，所以在后面有一个文本框填写不规则第一页。我们采集目标的第一页符合整体规律，所以留空。

　　采集内容页地址和内容页标题。奇博cms自带采集和别人不同：采集title不在内容页采集，而是在采集list页文章url而且还直接放了锚文本文本采集 是标题。您只需要定义这个指向内容页面的锚文本规则。其中{url=*}表示标题URL通配符，{title=*}表示标题通配符，{*}表示不需要的内容通配符。分析我们的目标站，我们可以得到以下规则：

　　{title=*}{*}

　　其实这个设计有点瑕疵。比如为了让列表页更美观，有的网站限制了列表页标题字数，然后控制文章双标题中副标题字数显示它在列表页面上。并且主标题出现在内容页面上。

　　接下来可以勾选“显示不常用的高级设置”来进一步设置采集 URL。其实还有几个功能还是比较常用的，比如设置不能收录在链接中或者必须收录在过滤器中的字符。当它干扰链接时也很常见。另外，其他替换标题字符、链接字符、指定截取区域可以参考页面左侧的说明。这种头尾正则语法的设置，对用户的要求更高。如果您不熟悉 PHP，请谨慎使用。

　　设置好后点击“test采集title”

　　如图，我们采集去内容页地址和对应的标题。然后关闭测试页面，点击“下一步”，设置内容采集rule。