08CMS v3.4 版本采集系統使用教程

2024-08-30 18:57:23

字體：大中小

來源：轉載

供稿：網友

雖然現在壇子里人氣不咋滴，有不少提問貼沒有解決，但是這些都會過去，G大說再進行一輪開發之后就將進入市場推廣了，也就意味著官方不會再一味的閉門開發
這個所謂的 “再一輪開發”或許就是指V3.5版本吧，GBK編碼版本已經發布了，再出UTF8的就應該算是完成了吧，具體還看官方的日程安排了
這個教程版的版主也當了不短的一段時間了，最郁悶的事就是老看見人在那吼：不會用啊，文檔太少了……云云。汗顏哪，貌似有點占著茅坑不拉屎的嫌疑
這也不能全怪我啊，我也很想吼一句：G大你丫也太低調了點吧，讓不讓人活了，自己不出來也就算了，多少給個日程表，俺也好有個方向啊，瞎子走路還有盲棍探路呢，好歹給老娘指條路啊

---------------- 美麗分割線 ----------------

抱怨到這里結束吧，上正題
08CMS采集系統的使用說明
因為08CMS架構上的特殊性，目前市面上還沒有完美支持的外部采集器提供（我沒看到，有知道的分享下哈）
單篇采集一般的采集器都能應付，問題主要出在合輯的采集
不過即使有我也會選擇系統自帶的采集器，畢竟合適的才是最好的，系統自帶的采集器明顯是量身定做的
個人感覺，即使目前系統自帶的采集器還有不少不足，但是也不是一般的采集器能替代的，契合度上的先天優勢哈
下面開始介紹08CMS內置的采集系統
第一、登陸后臺進入采集管理
[attach]1646[/attach]
那些個什么怎么登陸后臺，點擊先后順序就別問我了哈

第二、第一次使用采集系統，系統會要求添加采集模型
所謂采集模型，就是搭建采集的框架，設定需要采集的字段以及采集到的內容添加至哪個文檔模型
這里的設置有個讓人小郁悶的地方，只要填寫模型名稱就可以建立模型
相關設置得在建立之后才能編輯，個人覺得在建立模型中設置采集模型相關參數比較靠譜

第三步、編輯采集模型
請看圖解：
圖一、編輯模型

圖二、
模型編輯界面

到這里，采集模型的添加完成了
下面開始添加采集任務
第四步、采集任務的添加

下面是采集任務界面圖解，請仔細閱讀圖中注釋

第六步、重頭戲開始了，采集規則的設置
首先分析采集目標頁的代碼結構，這里以IE瀏覽器為例
查看采集目標頁，點擊IE的
頁面 ---- 查看源文件
很簡單就能看到目標頁面的代碼結構
采集頁面的代碼分析，主要是找采集目標的特征
頁面太大這里不好拿上來解析，上圖解釋網址采集界面相關規則的設置

點擊提交保存這里的設置
我很奇怪為什么不直接跳到下一步內容采集而是提交之后回到這個頁面

在這個截圖頁面的下面還有一部分，稱之為追溯網址規則
這個不是非必填項，一般不用
而且這個只能得到一個網址，而不是網址列表，個人感覺有點雞肋，附上官方的解釋
追溯網址：內容網址的一種延伸。有部分被采集文檔，個別字段的內容不在主內容頁，而是在附加頁面，特別是有關附件的內容，追溯網址用于采集其附加頁面網址，每個內容網址可追溯兩級附加頁面，追溯網址2是在追溯網址1的基礎上采集的。
追溯概念舉例：我們去下載站的時候，往往點進去的頁面只有軟件信息說明和一個或多個進入下載頁面的鏈接
注意：這里是進入下載頁面的鏈接，而不是下載地址。當我們要下載該軟件的時候要先打開這個下載頁面才能看到下載地址
這里就是一級追溯，因為我們要再點一次才能到達下載頁面。這時我們的1級追溯地址就是那個進入下載頁面的鏈接

接下來是內容頁的規則
同樣用圖來解析，本處只選用一個字段的規則設置為例，其他字段基本類同