文章cms采集( 创建采集节点页面的网址索引页截图匹配规则介绍 )
优采云 发布时间: 2021-09-10 21:14文章cms采集(
创建采集节点页面的网址索引页截图匹配规则介绍
)
(图片2.111）
上图（2.111）为创建采集节点页面的URL索引页面截图，这里主要填写目标站列表地址和对应规则。下面分别获取node和list URL，介绍规则和文章URL匹配规则。
节点基本信息
节点基本信息下面有两个地方需要注意，节点名称和目标页面代码。节点名称虽然允许为空，但最好填写简单易懂的文字进行标识；目标页面代码是指目标文章页面源代码中的charset值，该设置是为了字符正常显示。
防盗链模式用于在目标站设置刷新限制后限制采集的速度。这个设置比较难判断，因为没有固定值，需要测试目标站点才知道。
列出网址获取规则
织梦的采集系统有3种方式获取列表地址：
1.批量生成列表网址：
批量采集list URL 是获取地址的常用方法。首先，通过观察目标站列表之间的变化，可以大致知道规则，如图2.121。
(图片2.121）
复制一个地址，返回采集器，粘贴到匹配的URL中，替换为(*)，并设置*的变化范围和增量，如2.122所示。
(图片2.122）
以上只是生成目标站单列的列表。对于多列地址的生成，织梦也考虑到了，如图2.123，“匹配URL”输入(#)，勾选“启用”添加多列通配符，填写下图中“多列通配符规则”中的规则。
(图片2.123）
2. 手动指定列表网址：
顾名思义，手动指定不同的列表地址
3. 从 RSS 获取：
使用RSS获取列表地址，如：
文章URL 匹配规则
您可以创建一个匹配区域来过滤文章地址。您还可以遵守地址定律，使用收录和不收录来过滤地址。收录的优先级高于不收录的优先级，这里可以使用正则规则。详情显示为2.131。
(图片2.131）
