发布日期:2015-11-04 14:04 来源: 标签: 网站建设 帝国CMS CMS采集 CMS教程
本章我们主要学习帝国CMS如何增加采集节点,下面我们就做一下具体讲解,希望大家多多支持中国站长网络学院。
信息采集:每个系统模型都有自己单独的采集,无论是系统内置还是用户自定义系统模型。
采集正则就是指在要采集的地方加上相应的字段变量即可,如:“<a href="[!--newsurl--]">”
下面介绍下采集节点的增加:
1、登陆后台-》“栏目管理”-》“增加采集节点”,如下图:
2、第二步选择要增加采集的栏目,如下图:
说明:如果是采集节点选择的栏目必须是终极栏目,否则当节点分类使用。
3、进入“增加采集节点”界面,如下图。
说明:上一步选择不同系统模型的栏目,下面显示的表单均不同。新闻系统有自己的采集表单,FLASH系统有自己的采集表单等等。
基本信息
节点名称 此节点的名称
父节点 可选择上级节点,主要方便管理,比如你可以把所有新闻的采集都归到一个父节点里。
采集页面地址 要采集的页面列表,如果是多个列表用回车格开。
采集页面地址方式二 由系统自己生成列表,但必须是有数字规律的。
如:“http://www.phome.net/index.php?page=[page]([page]则为页码的范围)
内容页地址前缀 信息页链接的地址前缀。如地址前面没域名的话,系统会加上此前缀。
如:http://www.phome.net+/news/2006/1.html
图片/FLASH地址前缀 新闻内容的图片/FLASH地址为相对地址时使用。(针对newstext字段)
入库栏目 采集的数据要入库的栏目。如本节点不是采集节点,请不选。(只列出属于此系统模型的栏目)
入库专题 采集的数据要入库的专题。
节点生效时间 “开始时间”与“结束时间”这个目前可随意设置。这主要是以后版本扩展之用。
备注 备注或说明
选项
默认相关关键字 截取标题前几个字符作为相关链接的“关键字”,推荐设为0,这样入库效率更高。
采集记录数 可设置只采集前多少条记录。("0"为不限,系统会从头采到页面尾)
远程保存图片到本地 选择后入库时系统会远程保存图片到本地,还可设置是否加水印。(针对newstext字段)
远程保存FLASH到本地 选择后入库时系统会远程保存FLASH到本地。(针对newstext字段)
每组列表采集个数 采集列表页每组记录数,单采集列表页请填1。
每组信息采集个数 采集信息页数据每组记录数
每组入库数 如果要远程保存图片/FLASH则请设小,如设为1。(为防止入库超时,系统推荐将php的超时设为360以上)
附加选项
页面编码转换 可设置将UTF-8的页面转GBK编码,需要ICONV组件支持。通常不需要设置。
是否重复采集同一链接 可设置同一链接是否重复采集。
是否隐藏已导入的信息 推荐选隐藏。否则入库后的记录依然会显示到入库列表里。
采集后自动入库 可设置采集后自动入库,不需要人工去入库。但有可能入库超时中断。
入库后自动删除已导入的信息:入库后同时删除备份的验证记录。
整体页面过滤正则 格式:“广告开始[!--pad--]广告结束”。多个可用“,”格开。
针对整个页面代码进行过滤。
过滤选项
采集关键字 标题包含关键字的信息才会采集。如不限制,请留空。多个请用","格开
替换 原字符多个请用","格开,如果是新字符是多个,可以用","格开,系统会一一对应进行替换。
(针对标题与内容)
过滤广告正则 格式:“广告开始[!--ad--]广告结束”,多个请用","格开。(针对newstext字段)
过滤相似 可设置不采集标题相似超过多少个字符的信息。如不限制请填"0"。
可设置不采集标题完全相同的信息
截取内容简介 如果信息简介(smalltext)没有值的话,系统会依此设置截取新闻内容(newstext)多少字符作为简介。
列表页正则
信息链接区域正则 通常不需要设置。一般是设置只采集页面某一区域的链接缩小采集范围才设置的
在要采集链接区域的代码地方加上“[!--smallurl--]”
信息页链接正则 采集“内容页链接”的正则(列表页里)
在信息页链接的地方加上“[!--newsurl--]”
标题图片正则 采集“标题图片地址”的正则,可设置远程保存与地址前缀(列表页里,如图片在内容页,请留空)
在标题图片地址的地方加上“[!--titlepic--]”
内容页分页采集设置:(如没有分页请留空,针对newstext字段)
说明:如果是全部列表式,则只需看第一页的页面正则。
分页形式 有“上下页导航式”与“全部列出式”两种形式
"上下页导航"式正则设置 分页区域正则([!--smallpagezz--])
分页链接正则([!--pagezz--])
"全部列出"式正则设置 分页区域正则([!--smallpageallzz--])
分页链接正则([!--pageallzz--])
采集相关注意事项:
1、按通常设置,同一链接不重复采集。
2、没有标题的信息不采集
3、不是固定参数可用“*”代表任意字符。
4、对于特殊字符请在前面加上“\\”,当然直接将特殊字符改为“*”最合适了。特殊字符如下:
“ )”、“(”、“{”、“}”、“[”、“]”、“\”、“?”等等。
5、正则要找出唯一性的代码。有时间空格都会成为识别的依据。
6、增加节点后最好先预览节点,预览无误后才开始采集。(管理采集节点那可预览)
7、"时间正则":为空的话,将为入库时间
4、增加采集节点后,现在我们要预览与测试增加的采集正则,到“栏目管理”-》“管理采集节点”,如下图的“预览”:

相关评论

专题信息
    《帝国网站管理系统》英文译为"Empire CMS",简称"Ecms",帝国是基于B/S结构,且功能强大而易用的网站管理系统,采用了系统模型功能:用户通过此功能可直接在后台扩展与实现各种系统,如产品、房产、供求、等等系统,因此特性,帝国CMS又被誉为“万能建站工具”;采用了模板分离功能:把内容与界面完全分离,灵活的标签+用户自定义标签,使之能实现各式各样的网站页面与风格;栏目无限级分类;前台全部静态:可随受强大的访问量;强大的信息采集功能;超强广告管理功能......帝国的不同版本可以满足从小流量到大流量,从个人到企业各方面应用的要求,为你提供一个全新、快速和优秀的网站解决方案。