SiteServer CMS信息采集概述

　　SiteServer CMS信息采集概述

　　Web是一个巨大的资源宝库，目前页面数量已超过400亿，每小时还以惊人的速率下降，里面有你须要的大量有价值的信息，例如潜在顾客的列表与联系信息，竞争产品的价钱列表，实时金融新闻，供求信息，论文摘要等等。 可是因为关键信息都是以半结构化或自由文本方式存在于大量的HTML网页中，很难直接加以借助。

　　SiteServer CMS 信息采集功能的主要目标就是解决网路信息的采集问题，系统通过一些订制的采集逻辑，自动从指定网站或数据库中获取内容并保存到网站中。

　　一、主要功能

　　SiteServer CMS 提供强悍的信息采集功能模块，用户只须要告诉系统目标网页并简单地设置页面规则，很快就可以直接得到所须要的数据了。

　　除了典型的Web页面信息采集外，系统还提供数据库信息采集与单文件页采集功能：

　　Web页面信息采集用于手动从指定网站中获取内容;

　　数据库信息采集用于手动从指定数据库中获取内容;

　　单文件页采集用于将指定网页采集到本地的对应文件中。

　　二、系统特征

　　结果数据高度确切

　　对目标网站进行信息手动抓取，支持HTML页面内各类数据的采集，如文本信息、图片、附件、日期等

　　用户对每类信息自定义来源与分类

　　可以下载图片与各种文件

　　支持定时任务，可以与SiteServer CMS 定时模块相配合，定期抽取目标网站

　　支持记录惟一索引，避免相同信息重复入库

　　支持智能替换功能，可以将内容中嵌入的所有的无关部份如广告消除