2019年织梦DedeCms采集规则教程
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2019年织梦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/index.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
-------------------------------------http://hi.baidu./44108 28----------------------------------------
二,填写节点的基本信息:
名称就自己定义吧。
编码就比较重要,大家可以在页面点击右键来看该页面的编码。
来源就自己定义吧。
防盗链就看目标站点的有无刷新限制,有就设置一下超时时间。
-------------------------------------http://hi.baidu./44108 28----------------------------------------
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/list_33_2.html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/list_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page1.html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:DeDeCMS5.7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(DEDECMS)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/list_49_1.html
对比第二页的地址/web-manage/jianzhanxinde/list_49_2.html 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/list_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些
依照源码填写
我们再来填写文章内容的开始,结束和上面的一样,找到开始和结束标志
篇三:dedecms采集规则
dedecms采集规则dedeCMS采集规则,过滤,替换文章内的部分内容
1.采集去除链接
[Copytoclipboard]CODE:
{dede:trim}]*)>([^