实例教你使用采集:本节通过采集简单的页面作为采集教程实例。

采集页面地址

每个系统模型都有自己的采集,无论是内置的还是用户自定义的系统模型,新闻系统有新闻系统采集,下载系统有下载系统采集等等。
下面讲解新闻系统模型的采集,其它系统模型采集基本雷同,用户可举一反三。

本例要采集的页面地址:http://www.phome.net/tmp/cjpage/list.html


开始采集

采集步骤:
1、增加采集节点;
2、预览采集正则是否正确;
3、开始采集;
4、对采集的数据进行审核并入库;
5、生成栏目及内容HTML页面。
 
一、增加采集节点:
1、登陆后台->点击大菜单“栏目管理”>“增加采集节点”;
2、“选择要增加采集的栏目”(选择终极栏目);
3、“选择要增加采集的栏目”后进入增加节点页面;
4、打开要采集的列表页面:http://www.phome.net/tmp/cjpage/list.html

点击查看“源文件”

点击查看,列表页源代码为如下:
5、开始设置采集节点及列表页正则:
(1)、输入节点名称:采集实例
(2)、采集页面地址:http://www.phome.net/tmp/cjpage/list.html
(3)、由列表页的源代码:“<a href="page1.html" target="_blank">”,我们得出“内容页地址前缀”为:http://www.phome.net/tmp/cjpage/
(4)、设置“信息页链接正则”:由列表页的源代码得出。
图1:页面源代码

图2:得出的信息页链接正则
6、点击采集的内容页页面并查看源文件:http://www.phome.net/tmp/cjpage/page4.html
图1:内容页页面

图2:内容页源代码
7、设置内容页内容正则:(标题及内容正则)
(1)、标题正则:由源代码内容我们得出“新闻标题”正则为:
图1:页面源代码

图2:得出的标题正则
(2)、内容正则:由源代码内容我们得出“新闻内容”正则为:
图1:页面源代码

图2:得出的新闻内容正则
8、点击“提交”按钮即可增加节点完毕,整个表单最终效果如下:
[点击查看]
 
二、预览采集正则是否正确:
1、上面增加采集节点后,我们返回“管理节点”页面,如下:
2、点击“预览”采集,进入节点正则预览与验证:
图1:采集页面地址列表

图2:信息链接列表

图3:采集的内容页内容
3、上面链接列表页及内容页内容预览无误后方可进行采集操作。
 
三、开始采集:
1、上面的采集节点正则预览无误后,我们返回“管理节点”页面:
2、点击上面的“开始采集”链接,开始进行采集;
3、采集信息完成后,系统会转向采集入库页面,如下:
 
四、对采集的数据进行审核并入库:

即可完成入库操作:

管理栏目信息也可以看到我们刚才入库的信息:
 
五、生成栏目及内容HTML页面:
点击“系统设置”大菜单>“数据更新中心”,进入数据更新中心页面:
1、生成首页:点击“刷新首页”。
2、生成栏目页:“生成多栏目页面”选择“新闻系统”这个栏目,然后点击“开始刷新”。
3、生成内容页:“按条件生成信息内容页面”:
 
六、预览前台页面
首页:
列表页:
信息内容页:
 
至此本实例讲解完毕。

常见问题

1、提示信息:Warning: preg_replace() [function.preg-replace]: Compilation failed: range out of order in character class at offset 83 in
答:你的采集正则变量名写错导致,请检查你的正则变量。