采集织梦DedeCms采集规则教程

织梦DedeCms采集规则教程

篇一DEDECMS完整采集教程(共三篇)

DEDECMS完整采集教程列表设置篇 -marco608原创

以的html教程中的数据库为例地址是

/web-art/htmlbase/HTML/

一打开dedecms 进入采集节点管理新建一个节点模型我们就选择

-------------------------------------//4410828

----------------------------------------

三设置采集列表

我们要采集的列表是这样的

而我们要设置的列表是这样的

下面我们来说明一下这个设置是怎么填的。

来源网址很重要的。列表的获取就是从这里得到的。

自己打开 /web-art/htmlbase/HTML/l ist_33_看看分页的规律。不难看出吧

然后我们在设置列表分页时就转换为变量值的形式

/web-art/htmlbase/HTML/l ist_33_[var:分页] .html

而变量起始值是1 结束值是3 就代表1至3的列表

页了。

正则配置网址就看本身是否有比较特定的文章网址字符。例如之类的。

下面的html范围就比较重要。

我们看原dede的列表。我们在浏览器里查看源文件。

查找以下代码

看到这里你一定要认识常用的html代码。

这里要复制代码起始就是那个文章列表的表格的开始部分吧。

下面就是文章列表的表格的结束部分的代码

篇二详细采集教程

DeDeCMS织梦的采集教程超级详细

超级详尽的织梦采集教程

看到很多网友都为织梦DEDE CMS的采集教程头疼的确官方出的教程太笼统了什么都没说换个网站你什么都做不了这个教程是最详尽的教程让你一看即会首先我们打开织梦后台点击采集——采集节点管理——增加新节点

这里我们以采集普通文章为例我们选择普通文章然后确定

我们进入了采集的设置页面填写节点名称就是给这个新节点取个名字这里你可以任意填写。

一、设置文章列表页面

然后打开你想要采集的文章列表页这里我们以织梦官网为例

/web-manage/jianzhanxinde/打开这个页面右键——查看源文件

找到目标页面编码就在charset后面

页面基本信息其他的一般就不用管了填完了如图

现在我们来填写列表网址获取规则看看文章列表第一页的地址

/web-manage/jianzhanxinde/l ist_49_

对 比 第 二 页 的 地 址/web-manage/jianzhanxinde/l ist_49_我们发现了他们除了49_后面的数字不一样其他的都一样所以我们可以这样写/web-manage/jianzhanxinde/l ist_49_(*).html就是把1换成了(*)因为这里只有2页所以我们就填从1到2每页递增当然是1了 2-1 . . .是等于1吧

这里我们就填写完了

-----------------------------------------------------------------------------

--------------------------------

没有规则的路径需要手动设定

可能大家采集的有些列表没有规则那就只有手工指

定列表网址了如图

每行写一个页面地址

-----------------------------------------------------------------------------

---------------------------------

列表规则写完了 我们就开始写文章网址匹配规则了,回到文章列表页右键查看源文件找到区域开始的HTML 就是找文章列表开始的标志。

我们很容易的找到了如图中的“新闻列表” 。从这里开始后面就是文章列表里我们再找文章列表结束的HTML

就是这个了一个很容易找到的标志

如果链接中含有图片

不处理采集为缩略图这里根据自己的需要选择

对区域网址进行再次筛选 (使用正则表达式)

必须包含 (优先级高于后者)

不能包含

打开源文件我们可以很清楚的看到文章链接都是以.html结束的

所以我们在必须包含后面填.html如果遇到有些列表很麻烦还可以填写后面的不能包含

实例如图

二、设置文章内容采集

我们点击保存设置进入下一步可以看到我们获得的文章网址

看到这些就是对的了 我们保存信息进入下一步设置内容字段获取规则

我们看看文章有没有分页随便进入一篇文章看看。。我们看到这里的文章没有分页所以这里的我们就默认了

我们现在来找文章标题等等随便进入一篇文章右键查看源文件看看这trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

以下为不常用的正则表达式标签

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{dede:trim}

{dede:trim}{dede:trim}

{dede:trim}{/dede:trim}

/////////////////////////////////////

5.织梦标题不全,鼠标指向显示全部的代码:

{dede:arcl ist titlelen=‘100’}

[field:title function=‘ ( strlen(“@me”)>40 ?

cn_substr(“@me”,40): “@me” ) ‘/]

{/dede:arcl ist}

/inc/inc_archives_第100行(flash频道远程flash本地化的BUG)$cfg_uploaddir=$GLOBALS[‘media_dir’];

修改成

$cfg_uploaddir=$GLOBALS[‘cfg_other_medias’];

6.发布时间来源作者可以通过@me函数实现如在自定义处理接口处输入 @m e = “Az u re·博”就表示来源为“Az u re·博”

7.内容的替换在所采集的文章内容中有多媒体使用的是相对路径采集的时候又不想下

载最好的办法就是将地址替换成媒体的实际地址。可以这样实现在文章内容规则部分的自定义处理接口处输入@me=str_replace(‘src=“str1’ , ’src=“str2’ ,@me);

这样采集出来的文章中的所有的s t r 1就被替换成s t r2 

《织梦DedeCms采集规则教程》