phpcms v9自带采集模块功能体验-木庄网络博客

本文整理自网络，侵删。

Phpcms网站管理系统目前最新版本为Phpcms v9，作为国内主流CMS系统之一，目前已有数万网站的应用规模。那么其自带的采集模块功能如何呢，来看看吧。

文章采集

Phpcms v9默认内置有文章、图片、下载3个内容模型，先来看最普通的文章采集。以采集新浪互联网频道，国内滚动新闻栏目为例http://roll.tech.sina.com.cn/internet_chinalist/index_1.shtml

1、进入后台，内容——内容发布管理——采集管理——添加采集点。(不同于Phpcms以往版本，采集管理在模块菜单内)

2、网址规则。采集项目名随便填，采集页面编码默认GBK，具体采集页面的时候可以通过查看其网页源代码。

网址采集，没有大的特色，通过查看所要采集页面的网址规则填写。分析目标页面得出是序列网址，且所要获取内容的网址都在和两个标签之间。无其他干扰链接，所以就无需定义网址中必须包含和不得包含的字符了。如果目标网站配置了Base，那么也要配置好。

网址采集配置结束，但是如果目标网站列表页用js实现上下页，或者所要获取网址深度超过2级，用此自带采集就很难实现了。

3、内容规则。phpcms是用“[内容]”作为通配符，然后设置好开始结束的字符，再过滤不要的代码来实现内容的采集。分析目标页的title标签比较有规律，可以直接如图设置。

过滤格式为“要过滤的内容[|]替换值”，如果是删除的话就替换值留空。过滤规则是支持正则表达式，系统自带了几种比较常见的标签过滤正则，要比较灵活过滤的话对于新手来说有点难度，所以新手需要先熟悉下正则表达式。

作者规则，来源规则，时间规则依照规则去获取。小编尝试了一下固定值发现无法实现，就是把某一标签设为固定值，如把“来源”设定为http://www.sina.com.cn，可是采集结果来源标签为空。

阅读剩余部分