前面几篇文档，我们介绍了织梦自带采集器使用教程，但是不是每个用户都可以用都好，总之采集这个东西要实站积累经验才行，因为目标站代码不同，只有碰到不同的问题积累起来才能上手操作。
第一步、我们打开织梦后台点击采集——采集节点管理——增加新节点
第二步、新增节点-配置网址索引
填写要采集的网站的列表相关规则，
查看采集站点的编码和网站源码
我们右键单击，点击查看源码，在源码的开头位置，找到一个写有charset=某一编码的meta标签，比如charset="gb2312",这个就是所说的网站编码了
选择采集站点的编码
第三步、新增节点-配置文章网址匹配规则
我们查看采集站点的列表页源码，找到文章列表开始html和结束html标签，分别把它们复制到增加采集节点->文章网址匹配规则的"区域开始的HTML"和“区域结束的HTML”输入框中。你不一定选择右键查看源码来找到文章列表开始标签，你可以在文章开始的地方右键单击，审查元素(chrome浏览器,firefox是查看元素)，这样就更方便的找到文章列表开始和结束的标签了。
设置之后我们点击"保存信息并进入下一步设置"
第四步：网址获取规则测试
如果在测试结果发现有无关的网址信息，说明的第五步中的网址过滤规则有误或者没有填写过滤规则。如果发现采集有误，你可以返回上一次修改，没有就点击“保存信息并进入下一步设置”。
第五步：内容字段获取规则
我们查看采集站点的文章源码，找到相关选项的开始和结束html标签，填写入指定位置，开始和结束标签以"[内容]"分格。
设置完毕，我们点击"保存配置并预览"
第六步：过滤规则
在第七步中的匹配规则后面，都 有一个过滤规则，这个过滤规则是用来过滤无需采集的内容。
比如，网易每篇文章都有一个放置广告的iframe标签，我们要采集网易的文章，不可能采集回来之后，一篇一篇得去删除这个广告。但是如何去除呢?去除方法就是那个过滤规则，我们点击常用规则，就会弹出一个小窗口，列出了常用的过滤规则，我们只需点击要们要过滤的规则即可，要过滤网易文章中的iframe标签，我们就点击iframe即可。
测试内容字段设置
因为网易有的文章开头是<div id="endText">,有的文章开头是<div id="endText" class="end-text">，所以会出现采集出错的情况。
如果你现在就要采集，你可以点击保存并采集。这里我选择仅保存
采集内容（一）
回到采集节点管理的界面，也就是第一步中的界面，我们选择节点，点击采集
采集内容（二）
查看已下载
可以在采集界面(即第十步中的界面)的右上角，点击“查看已下载”。也可以在“采集节点管理”的界面里点击“查看已下载”。这里以第二个方法为例。
导出内容
选择要导入到的栏目，数据量，是否生成html文件 ，随机推荐数量
最终结果
转载请注明来源网址：https://www.mubanyun.com/dedecms_cj/1636.html
皖公网安备 34010402703520号
发表评论
评论列表（条）