用织梦管理系统自带的采集器来采集一个网站(组图)

　　用织梦管理系统自带的采集器来采集一个网站(组图)

　　一个大型新闻网站，渠道多，网站数据多。不可能每一条数据都被网站administrator 一一发送！这时候，为了节省人力物力，采集器诞生了（优化的朋友，我不建议大家使用）！接下来我就用织梦管理系统自带的采集器来采集一个网站数据来​​给大家看看采集规则是怎么写的！

　　工具/材料第一步：新建文章采集节点

　　登录织梦administration后台，依次点击

　　采集>>采集节点管理>>添加新节点>>选择普通文章>>确定

　　第2步：填写采集list规则

　　节点名：随便你（注意一定要能区分，因为节点太多可能会搞砸自己）

　　目标页面编码：看目标页面的编码（比如我的采集网站的编码是GB2312）

　　匹配网址：到采集目标列表页面查看其列表规则！比如很多网站列表的第一页和其他内页有很大的不同，所以我一般不会采集定位到列表的第一页！比如我演示的网站的列表规则就是在第一页设置一个默认首页，后面的实际路径是看不到的，如图：

　　所以，我们只能从第二页开始（虽然可以找到第一页，但是很多网站根本没有第一页，所以这里就不讲怎么找第一页了） ，！对比一下，采集目标页面的第二页和第三页！如图：

　　可以看到，这两个页面是有规律地递增的，第二个页面是list_2！第三页是list_3！所以，匹配的 URL 写成

　　上面的 (*) 代表列表页上的 2、或 3、或 4、或更多！在第三个横杆上，我写了一个(*) from 2 to 5，表示从2到5的+1的增量匹配的是(*)而不是(*)！

　　区域开头的HTML：在采集target列表页打开源码！在文章标题附近找到一个你想要采集的部分，这是这个页面上唯一的一个，其他想要采集的页面也是唯一的html标签！

　　区末HTML：在采集target列表页打开源码！在采集的文章标题附近找到这个页面上唯一的一个部分，其他需要采集的页面也是唯一的html标签！

　　其他地方，我们还没有用过，大家就别管了！这样，列表页的规则就写好了！下图是我写的列表规则截图！

　　完成，点击保存信息进入下一步！如果规则写对了，那么会有一个基于内容的URL获取规则测试：如下图

　　再次按下一步！回车填写采集content规则

　　第2步：填写采集content规则

　　文章Title：在文章Title前后找两个标签来识别标题！我的采集网站文章标题前后唯一的标签是...，就写[内容]。

　　文章Content：找到文章content前后两个标签，即可识别内容！我的采集网站文章内容前后唯一的标签是

　　...