Phpcms網(wǎng)站管理系統(tǒng)目前最新版本為Phpcms v9，作為國內(nèi)主流CMS系統(tǒng)之一，目前已有數(shù)萬網(wǎng)站的應用規(guī)模。那么其自帶的采集模塊功能如何呢，來看看吧。

文章采集

Phpcms v9默認內(nèi)置有文章、圖片、下載3個內(nèi)容模型，先來看最普通的文章采集。以采集新浪互聯(lián)網(wǎng)頻道，國內(nèi)滾動新聞欄目為例http://roll.tech.sina.com.cn/internet_chinalist/index_1.shtml

1、進入后臺，內(nèi)容——內(nèi)容發(fā)布管理——采集管理——添加采集點。(不同于Phpcms以往版本，采集管理在模塊菜單內(nèi))

2、網(wǎng)址規(guī)則。采集項目名隨便填，采集頁面編碼默認GBK，具體采集頁面的時候可以通過查看其網(wǎng)頁源代碼。

網(wǎng)址采集，沒有大的特色，通過查看所要采集頁面的網(wǎng)址規(guī)則填寫。分析目標頁面得出是序列網(wǎng)址，且所要獲取內(nèi)容的網(wǎng)址都在<!-- 列表 begin -->和<!-- 列表 end -->兩個標簽之間。無其他干擾鏈接，所以就無需定義網(wǎng)址中必須包含和不得包含的字符了。如果目標網(wǎng)站配置了Base，那么也要配置好。

網(wǎng)址采集配置結(jié)束，但是如果目標網(wǎng)站列表頁用js實現(xiàn)上下頁，或者所要獲取網(wǎng)址深度超過2級，用此自帶采集就很難實現(xiàn)了。

3、內(nèi)容規(guī)則。phpcms是用“[內(nèi)容]”作為通配符，然后設置好開始結(jié)束的字符，再過濾不要的代碼來實現(xiàn)內(nèi)容的采集。分析目標頁的title標簽比較有規(guī)律，可以直接如圖設置。

過濾格式為“要過濾的內(nèi)容[|]替換值”，如果是刪除的話就替換值留空。過濾規(guī)則是支持正則表達式，系統(tǒng)自帶了幾種比較常見的標簽過濾正則，要比較靈活過濾的話對于新手來說有點難度，所以新手需要先熟悉下正則表達式。

作者規(guī)則，來源規(guī)則，時間規(guī)則依照規(guī)則去獲取。小編嘗試了一下固定值發(fā)現(xiàn)無法實現(xiàn)，就是把某一標簽設為固定值，如把“來源”設定為http://www.sina.com.cn，可是采集結(jié)果來源標簽為空。

 內(nèi)容規(guī)則，填好開始和結(jié)束標簽，我們測試的目標頁比較干凈，所以只需過濾掉里面的超鏈接和一些無用標簽即可。

內(nèi)容分頁規(guī)則，如果內(nèi)容頁有分頁必須填寫，此處文章都沒有分頁，小編會在后面的圖片采集來介紹這個標簽。

4、自定義規(guī)則，除了系統(tǒng)默認的幾個標簽外，你還可以自定義各種標簽，規(guī)則是一樣的，只是有一點要注意：規(guī)則英文名一定要填寫，否則自定義標簽無法保存。

5、高級配置，此次可以設置下載圖片、圖片水印、內(nèi)容分頁和導入順序。其中注意，如果需要水印記得修改好自己網(wǎng)站的水印圖片，水印存放路徑:statics/images/water

6、規(guī)則設置好了，提交回到采集管理首頁，可以先通過測試來看看各標簽是否準確。

7、發(fā)布內(nèi)容。如果都準確，先點擊采集網(wǎng)址，會自動采集文章地址，并過濾重復url。然后會彈出采集網(wǎng)址完成的消息，點擊其中的“采集文章內(nèi)容”

采集自動進行，并顯示采集進度。

采集完成后自動回到采集管理首頁，點擊內(nèi)容發(fā)布，進入到已采集文章列表，勾選要發(fā)布的文章，或者直接點擊底部的全部導入。

　 　進入到發(fā)布方案選擇界面，新建發(fā)布方案，選擇一個發(fā)布欄目，本測試選擇的是文章模塊的欄目“國內(nèi)”，在方案新建頁面可以設置自動提取摘要、自動提取縮略 圖、導入文章狀態(tài)、標簽與數(shù)據(jù)庫對應關(guān)系。其中，導入文章狀態(tài)只有一個“發(fā)布”，如果站長需要狀態(tài)為待審核，要先修改對應欄目的工作流為一級審核。

標簽與數(shù)據(jù)庫對應關(guān)系中，把采集標簽和數(shù)據(jù)庫字段一一對應，如果有自定義標簽找不到對應字段，需要修改模型增加字段，然后通過修改模板來顯示，對技術(shù)要求比較高，不適合新手。另外系統(tǒng)自帶幾個處理函數(shù)，也挺實用的。

發(fā)布方案設置完成，自動開始導入剛才選擇的文章，并且下一次導入時就無需再建方案了，直接選擇已建好的方案即可。

文章采集、發(fā)布完成。看看效果：

后臺內(nèi)容管理頁

內(nèi)容頁

下面我們來看看圖片采集

圖片采集

phpcms v9自帶圖片模型，對圖片處理也有個組圖模式，方便一些站長做圖片網(wǎng)站或者設置圖片展示方式。下面來體驗下用自帶采集程序來采集圖片，以采集http://www.4493.com/mingxingxiezhen/頁面的圖片為例：

網(wǎng)站獲取規(guī)則以及內(nèi)容獲取規(guī)則等都和文章采集一樣，最重要的一點，phpcms v9的圖片采集不能只采集圖片地址，而是應該采集整個<img>標簽，這樣才能處理為組圖。如本例：內(nèi)容標簽設置為

采集到的內(nèi)容應該是這樣的

 還有個分頁問題，目標站的分頁如圖所示：

網(wǎng)頁代碼為：

所以只需在內(nèi)容分頁規(guī)則處選擇全部列出模式，然后填寫分頁標簽開始和結(jié)束字符，系統(tǒng)就自動采集分頁的內(nèi)容了。

設置完規(guī)則后，采集網(wǎng)址，采集內(nèi)容，發(fā)布內(nèi)容。發(fā)布方案處要注意，小編幾經(jīng)嘗試發(fā)現(xiàn)，要實現(xiàn)組圖模式，必須內(nèi)容字段和組圖字段都要用上“處理為組圖”函數(shù)。但是這樣就無法獲取第內(nèi)容圖片做縮略圖了，所以最好自定義一個縮略圖標簽，直接獲取一張內(nèi)容圖地址做縮略圖。

設置好后發(fā)布。見采集效果：

欄目頁

內(nèi)容頁

總結(jié)：細細體驗下來，phpcms v9自帶的采集功能還是比較全面的，滿足基本的文章和圖片采集。但是不夠靈活，對一些高要求的站長來說還明顯不足，而且門檻較高，官方對采集模塊的說明和幫助文件又非常有限，不利于新手上手。

最新評論