一、添加项目
(1)第一步
1. 项目名称:起个看一眼就明白的名称,如:IT世界-业界新闻(来自IT世界的业界新闻)。
2.所属栏目:采集的文章或广告属于哪个栏目。
3.所属地区:采集的内容属于哪个地区,文章可不填。
4.目标页URL:待采集列表网页的网址。
5.目标文档编码:采集目录网页所用的编码。
6.是否列表分页采集:
书一般都有目录吧?列表就像一本书的目录,目录可以有一页,也可以有很多页,列表也一样。 (1)批量生成 如有些列表是这种形式: 第一页http://www.it.com.cn/news/cyxw/yejie/index.html 第二页http://www.it.com.cn/news/cyxw/yejie/index_2.html 第三页http://www.it.com.cn/news/cyxw/yejie/index_3.html
那么可以这设置:{$ID}是必须的 首先填目标页URL为:http://www.it.com.cn/news/cyxw/yejie/index.html 然后批量生成的那里请填:http://www.it.com.cn/news/cyxw/yejie/index_{$ID}.html 生成范围:2--3 结果程序就会采集以下列表页的内容: http://www.it.com.cn/news/cyxw/yejie/index.html http://www.it.com.cn/news/cyxw/yejie/index_2.html http://www.it.com.cn/news/cyxw/yejie/index_3.html 如图:

(2)手动添加
输入一页网址后按回车再输入另一页,如此反复可以输入多个网址。
8、文章设置: 立即入库:选中的话,自动审核采集数据并发布到您的站点上。 保存图片:选中的话,如果采集的内容正文中有图片,图片保存到本地。 图片水印:选中的话,下载图片自动为图片添加水印。 倒序采集:选中的话,等采集的内容时从最尾页最下面一条开始采集。 定时采集:在定时采集帮助中详解。
9.标签过滤:
这里是常见的要过滤的html标签。 ifrAme:如--<IFRAME SRC="广告地址">,比较常见的广告代码。 Object:如--<Object 代码>代码</Object>,注意--有些正文中有Flash动画、又有这个广告代码,此时推荐使用过滤功能。 S cript:如--<s cript LANGUAGE="Javas cript1.1" SRC="广告地址"></s cript>,常见的广告代码。 Font:如--<font style="font-size:12px;line-height:150%;">,常用于去掉文字的大小、颜色等属性。 A:如--<a href="http://pic.scuta.net">查看更多图片</a>,常用于去掉文字、图片上的链接,但不会去掉“查看更多图片”。 Html:将去掉内容中所有HTML代码,选中此项将降底内容的可看性。
(2)第二步
1.列表开始/结束标记:
平面上的两点确定一条直线,学过几何吧?用在这里是一样的道理,开始/结束标记可以确定你要采集的内容,有的这里没有设置好结果采集到其它内容去了。 比如这是某一列表页面的主要部分代码: <table width="98%" border="0" cellspacing="0" cellpadding="3"> <tr> <td align="left" valign="top"><br> <a href="News.asp?id=1" target="_blank>新闻标题</a><br>" <a href="News.asp?id=2" target="_blank>新闻标题</a><br>" ....省略 <a href="News.asp?id=50" target="_blank>新闻标题</a> </td> </tr> </table> 红色部分就是我们要的列表开始标记和结束标记,是不是把你想要的新闻夹在中间了?按照这样的取法可以选择好多对开始标记和结束标记,也就是说它们并不是唯一的。但是它们又是相对唯一的,这里的唯一是指,开始标记在第一条新闻以上的代码中唯一,结束标记在开始标记到结束标记之间的是唯一的。 2.链接开始/结束标记: <a href="News.asp?id="1" target="_blank>新闻标题</a><br>" 3.重定链接地址: 如果待采集列表里的内容页地址不为完整的网址,如: <a href="News.asp?id=1" target="_blank">新闻标题</a><br> 则请选择“重新链接位置” 如:javas cript:Openwin("8785") 或 /show.asp?id=8785 等 正确设置:http://www.wrmps.com/{$Url}.html 或 http://www.wrmps.com/{$Url} 如果待采集列表里的内容页地址为完整的网址,如: <a href="Http://www.wrmps.com/News.asp?id=1" target="_blank">新闻标题</a><br> 则请选择“自动外理”
(3)第三步
1.正文设置
标题、正文、作者、来源、关键字... ... 等的设置同上,不想重复,这里就不说了。
2.采样测试
正确采样后完成添加操作。
当然,网人采集功能还有一项比较重要的功能,数据过滤 ,使用此功能,可以过滤如SINA、SOHU等这些网站内容中的广告,具体设置也很简单,其它方法和上面说过的差不多,就不多说了。 |