@H_404_2@位置: 内容 > 内容发布管理 > 采集管理 >
模块常用 *** 作
*** 作名 | 说明 |
采集流程详述 | 无 |
@H_404_2@其它功能说明 | @H_404_2@无 |
@H_404_2@说明:
文章的采集功能是通过程序来远程获取目标网页内容,经过本地规则解析处理后存储到服务器的数据库内。
文章采集系统颠覆传统采集模式和流程,采集规则与采集界面分离,规则设置更简单,只需有基础技术知识的人员设置好相关规则。编辑人员无需了解太过细节的技 术规则,只需选中自己想要采集的文章列表,就可以像发布文章一样,轻松地完成数据采集 *** 作。 @H_404_2@一、采集流程 简单的讲有三个步骤: 1、添加采集点,填写采集规则。 2、采集网址,采集内容 3、发布内容到指定栏目 以采集新浪新闻(http://roll.news.sina.com.cn/news/gjxw/gjmtjj/index.sHTML)为例,作一下详细流程介绍。 @H_404_2@实例说明: 目标:采集新浪新闻到V9系统 国际新闻 栏目中。 目标网址:http://roll.news.sina.com.cn/news/gjxw/gjmtjj/index.sHTML 1、添加采集点 1.1 网址规则配置 添加采集点 - 网址规则配置图1 查看要采集的目标网址源代码,查找到要采集网址的开始点和结束点(这二个点要有在整个源代码里具有唯一性)。更进一步缩小采集网址搜索范围。 添加采集点 - 网址规则配置图2 测试你的网址采集规则是否正确,如下图所示 1.2 内容规则配置 内容规则这里看起来比较复杂,其实也很简单,为了便于说明,我们只采集标题、内容两个字段。采集内容网址:http://news.sina.com.cn/w/2010-12-01/135121565455.sHTML 的内容采集规则,请你打开这个网址,然后页面空白处右键->查看源文件搜索标题和内容的开始边界。 @H_404_2@标题采集配置: 从网页<Title></Title>里取标题,并去除不需要的字符。如下图 内容采集配置: 新浪新闻最终页,新闻内容都包含在 <!-- 正文内容 begin --> <!-- 正文内容 end --> 之间,而且这二个结点,在整个页面源代码中具有唯一性。所以可以以此为规则取内容。并对内容进行过滤。如下图 1.3 自定义规则 1.4 高级配置 可设置是否把图片下载到服务器上,是否打水印等配置。 @H_404_2@2、采集网址,采集内容 采集规则配好以后,即可进行网址的采集,然后进行内容的采集。
@H_404_2@3、发布内容到指定栏目
选择导入的栏目
设置 采集内容与数据库的字段对应关系.提交进行数据入库,在此期间请耐心等待, 完成后会自动转向。至此一个简单的采集流程就 *** 作完成。 其它更多功能,期待你发掘。 总结
以上是内存溢出为你收集整理的phpcms怎样配置采集模块全部内容,希望文章能够帮你解决phpcms怎样配置采集模块所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)