织梦DedeCms采集规则教程.docx
《织梦DedeCms采集规则教程.docx》由会员分享，可在线阅读，更多相关《织梦DedeCms采集规则教程.docx（14页珍藏版）》请在冰豆网上搜索。
织梦DedeCms采集规则教程
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./4410828----------------------------------------
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./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/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}]*）>（[^
--------------------------------
让field:
title标题突破30这个长度，修改代码的方法
找到./include/inc_arcpart_view.php
行291:
if（$titlelen==""）$titlelen=30;
修改为
if（$titlelen==""）$titlelen=60;
就可以了，然后，你可以这样调用了
{dede:
channelArtlisttypeid='0'col=1tablewidth='100%'}
{dede:
arclistrow="10"}
[field:
titlefunction="cn_substr（'@me',38）"/]
{/dede:
arclist}
{/dede:
channelArtlist}
把这个延伸一下:
关于inc_arcpart_view.php
functionGetArcList（$typeid=0,$row=10,$col=1,$titlelen=30,$infolen=160,
$imgwidth=120,$imgheight=90,$listtype="all",$orderby="default",$keyword="",$innertext="",$tablewidth="100",$arcid=0,$idlist=""）
这里的参数都可以更改你实际需要的模板元素尺寸大小.
2.采集过虑中去掉链接保留文字的方法!
柏老大的方法是{dede:
trim}]*）>（[^<]*）{/dede:
trim}
这样做会去掉与之间的字符!
这样整个文章就少了部分字符,不完整了!
后来我多次测试,总算找到了正确的使用方法!
如下:
{dede:
trim}]*）>{/dede:
trim}
{dede:
trim}{/dede:
trim}
做成两条采集规则就可以了!
在实际使用中好像（[^]*）两条一起使用才行!
3.过滤div
{dede:
trim}]*）>{/dede:
trim}
{dede:
trim}
{/dede:
trim}
过滤js
{dede:
trim}]*）>（[^
过滤变量字符
固定（.*）固定
4.dede万能过滤代码
以下是常用的正则表达式标签
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}trim}
{dede:
trim}trim}
{dede:
trim}trim}
{dede:
trim}窗体底端
{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}trim}
{dede:
trim}trim}
{dede:
trim}{/dede:
trim}
以下为不常用的正则表达式标签
{dede:
trim}{/dede:
trim}
{dede:
trim}
{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}
{/dede:
trim}
{dede:
trim}{/dede:
trim}
{dede:
trim}
{/dede:
trim}
{dede:
trim}{dede:
trim}
{dede:
trim}{dede:
trim}
{dede:
trim}{/dede:
trim}
/////////////////////////////////////
5.织梦标题不全,鼠标指向显示全部的代码:
{dede:
arclisttitlelen='100'}
[field:
titlefunction='（strlen（"@me"）>40?
cn_substr（"@me",40）:
"@me"）'/]
{/dede:
arclist}
6.dede/inc/inc_archives_functions.php第100行（flash频道远程flash本地化的BUG）$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@me="Azure·【博】"就表示来源为“Azure·【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str1就被替换成str2！
升级会员 