DedeCMS 文章采集入門圖文教程(推薦)

以織夢官方站為例，我們采集站長學院下的PHP教程欄目，打開列表地址http://www.dedecms.com/web-art/PHP_jiaocheng。 登錄后臺，進入“采集節點管理”，新建一個節點，選擇內容模型為“普通文章”。

1.設置節點基本信息

先填寫一個方便記憶的節點名稱，選擇目標頁面編碼為GB2312，防盜鏈模式不做設置，因目標站沒做限制，這一項就不做修改，系統默認超時時間10秒。

2.設置列表網址獲取規則 

 這一步我們要做些設置，獲取文章列表地址，回到目標站列表頁，觀察分頁間的變化，可以發現只有“14_”后的數字有規律的遞增變化。

首頁：http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_1.html
中間：http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_(*).html
末頁：http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_172.html 

復制一個分頁地址，回到“新增采集節點”頁面，選擇“來源屬性”為“批量生成列表網址”，把粘貼地址到“匹配網址”中，修改規律變化處為(*)，“批量生成地址設置”處(*)輸入1到172，這里的意思是生成出列表第一頁到最后172頁的所有地址。

測試一下，在彈出框中我們可以看到循環出172條地址記錄，很順利的就設置好了。有時候會碰到較難獲取的列表，那我們可以把把沒規律的地址復制到”手工指定列表網址“文本框中來采集。

3.設置文章網址匹配規則 

上面指定好了文章地址來源頁，這一步就需要在這些頁面中找出符合要求的文章地址頁了。打開一個列表頁面觀察，左欄的方框中包含了我們需要的全部地址，這種情況區分明顯的頁面，可以利“區域開始的HTML”和“區域結束的HTMLL”設置進行過濾。

不過也可以使用其他方法。把鼠標移到各處鏈接地址，觀察瀏覽器左下角顯示的完整地址，我們需要的地址都包含“PHP_jiaocheng/20”，那我們把它填寫到“必須包含”中。

兩種方法都能夠過濾出地址，碰上復雜頁面，可以配合起來使用，加上正則，幾乎沒有篩選不出的地址，附（圖5.1）對照。最后確定，進入下一步“網頁內容獲取規則”。

 
（圖5.1）

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈