采集模块

阅读65197

更新时间2022-04-12

心情模块

企业黄页

模块常用操作

操作名	说明
采集流程详述	无
其它功能说明	无

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操作。

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。

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。

标题采集配置：

从网页里取标题，并去除不需要的字符。如下图