帝國(guó)cms采集圖文教程(上,中,下)全集

發(fā)布時(shí)間：2012-05-21 10:50:22 作者：佚名

帝國(guó)cms采集圖文教程,現(xiàn)在把上,中,下全部都發(fā)來(lái).給大家方便的看.

帝國(guó)cms是我們用得比較多得PHP的建站系統(tǒng)，在建站過(guò)程中，如果自己沒(méi)有信息源，只能靠手工不斷的重復(fù)copy和粘貼，這樣費(fèi)時(shí)費(fèi)力，于是我們就要使用帝國(guó)cms自帶的采集功能來(lái)完成信息的錄入。為了深入了解帝國(guó)cms采集功能，下面我們以“新浪各地新聞”欄目為例來(lái)進(jìn)行實(shí)戰(zhàn)采集。
　　一、增加采集節(jié)點(diǎn)
　　1、添加節(jié)點(diǎn)：
　　

　　2、選擇要增加采集的欄目：
　　

　　3、進(jìn)入增加節(jié)點(diǎn)表單：
　　

　　4、在節(jié)點(diǎn)名稱(chēng)框里起個(gè)名字，然后把要采集的新浪各地新聞列表地址copy過(guò)來(lái)：
　　

　　5、下來(lái)發(fā)現(xiàn)好多選項(xiàng),如“采集頁(yè)面地址方式二，內(nèi)容頁(yè)地址前綴...”先不要理他，后面再一一詳解，直接拉到 “信息鏈接區(qū)域正則”這里：
　　

　　6、這里是設(shè)置采集的列表信息鏈接區(qū)域正則,我們點(diǎn)擊查看新浪各地新聞列表“源文件”：
　　

　　7、把源文件代碼copy到Dreamweaver里，在Dreamweaver里選定要采集的信息鏈接區(qū)域：
　　

　　8、切換到Dreamweaver代碼方式,

上一頁(yè)我們介紹了帝國(guó)cms采集基本流程，那么我們這一講介紹帝國(guó)cms如何采集內(nèi)容分頁(yè)。不少的同學(xué)在采集過(guò)程中，列表頁(yè)和內(nèi)容頁(yè)都能可以很好地設(shè)定正則，但往往失敗在內(nèi)容分頁(yè)正則上，主要是對(duì)內(nèi)容分頁(yè)正則不了解。帝國(guó)的內(nèi)容分頁(yè)形式有兩種：(1)全部列出式(2)上下頁(yè)導(dǎo)航式，但是這兩種內(nèi)容分頁(yè)形式有什么區(qū)別，采集內(nèi)容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對(duì)此有些同學(xué)感到很頭大，好的，我們先看下例子：
　　一、全部列出式
　　全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列出來(lái)了。
　　1、我們以“中華網(wǎng)內(nèi)容分頁(yè)(http://auto.china.com/dongtai/yejie/11012724/20120309/17081442.html)”為例：
　　

　　可以看到這條新聞總共有3條分頁(yè)。
　　2、查看源代碼：
　　

　　這一頁(yè)里除了已經(jīng)采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列出來(lái)了。
　　3、取得分頁(yè)區(qū)域正則([!--smallpageallzz--])：
　　

　　4、取得分頁(yè)鏈接正則([!--pageallzz--])：
　　

　　二、上下頁(yè)導(dǎo)航式
　　上下頁(yè)導(dǎo)航式是分頁(yè)采集的難點(diǎn)，他需要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對(duì)比分析然后確定分頁(yè)正則。
　　1、我們以“愛(ài)麗網(wǎng)內(nèi)容分頁(yè)(http://fashion.aili.com/76/445845.html)”為例：
　　

　　可以看到這條新聞總共有20條分頁(yè)。
　　2、查看源代碼：
　　

　　這一頁(yè)里除了已經(jīng)采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列出來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對(duì)比分析，來(lái)確定分頁(yè)正則:
　　(1)第1頁(yè)代碼：
　　

　　(2)第2頁(yè)代碼：
　　

　　從這兩幅圖片可以看到他們有著相同的“分頁(yè)區(qū)域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區(qū)域結(jié)束代碼”,那么就可以確定“分頁(yè)區(qū)域正則”，“分頁(yè)鏈接正則”。
　　3、取得分頁(yè)區(qū)域正則([!--smallpageallzz--])：
　　

　　4、取得分頁(yè)鏈接正則([!--pageallzz--])：
　　

　　5、為了方便教程顯示，newstext我采集了標(biāo)題而不是采集內(nèi)容，預(yù)覽結(jié)果：
　　

　　注意事項(xiàng)：
　　第一、在第一頁(yè)的頁(yè)面HTML代碼里，內(nèi)容分頁(yè)鏈接全部列出來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內(nèi)容分頁(yè)鏈接沒(méi)有全部列出來(lái)的情況下我們使用“上下頁(yè)導(dǎo)航式”。
　　第二、用全部列出式時(shí)，采集規(guī)則正確但是莫名其妙的出現(xiàn)重復(fù)的分頁(yè)，這時(shí)可以利用替換法把它過(guò)濾掉(下一講我們?cè)僬f(shuō))。
　　第三、用上下頁(yè)導(dǎo)航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因?yàn)榉猪?yè)區(qū)域正則([!--smallpagezz--])截取錯(cuò)誤。
　　第四、用上下頁(yè)導(dǎo)航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復(fù)循環(huán)到底，這也是因?yàn)榉猪?yè)區(qū)域正則([!--smallpagezz--])截取錯(cuò)誤，截取范圍過(guò)大，導(dǎo)致重復(fù)截取前幾個(gè)分頁(yè)鏈接。
　　好的，這一講就到這里，下一頁(yè)我們主要介紹帝國(guó)cms采集過(guò)濾和替換。
前兩講我們分別介紹了帝國(guó)cms采集基本流程和帝國(guó)cms如何采集內(nèi)容分頁(yè)，最后這一講主要介紹帝國(guó)cms采集過(guò)濾與替換，還有些技巧。
　　一、過(guò)濾
　　1、帝國(guó)cms采集過(guò)濾分為兩種：
　　(1)“整體頁(yè)面過(guò)濾正則”：
　　

　　(2)“過(guò)濾廣告正則”：
　　

　　我們有些疑惑，這兩種過(guò)濾到底有什么區(qū)別?“整體頁(yè)面過(guò)濾正則”是過(guò)濾整個(gè)網(wǎng)頁(yè)的html代碼。“過(guò)濾廣告正則”是過(guò)濾文章內(nèi)容，僅對(duì)文章內(nèi)容([!--newstext--])起作用。
　　2、過(guò)濾實(shí)例：
　　過(guò)濾實(shí)例(1)：
　　

我們采集后發(fā)現(xiàn)信息內(nèi)容底部多了行代碼：“<div style="clear:both;height:0;visibility:hiddden;overflow:hidden;"> </div>”，根據(jù)格式“廣告開(kāi)始[!--ad--]廣告結(jié)束”得到“過(guò)濾廣告正則
”：
　　

　　過(guò)濾實(shí)例(2)：
　　

　　要過(guò)濾鏈接代碼怎么辦，注意“過(guò)濾廣告正則”右邊有堆代碼：
　　

　　鼠標(biāo)先點(diǎn)擊A，系統(tǒng)自動(dòng)生成過(guò)濾鏈接代碼“,,,”，這樣就可以把采集后的內(nèi)容鏈接過(guò)濾掉了。同理，如果想過(guò)濾其他html代碼就點(diǎn)擊相應(yīng)的標(biāo)簽代碼。

　　注意事項(xiàng)：當(dāng)內(nèi)容分頁(yè)包含在內(nèi)容([!--newstext--])里時(shí)，要過(guò)濾掉內(nèi)容分頁(yè)，否則會(huì)重復(fù)出現(xiàn)內(nèi)容分頁(yè)。
　　二、替換
　　1、帝國(guó)cms采集替換也分為兩種：
　　(1)“整體頁(yè)面替換”：
　　

　　(2)“替換”：
　　

　　他們兩種區(qū)別：“整體頁(yè)面替換”是替換整個(gè)網(wǎng)頁(yè)的html代碼。“替換”是替換文章標(biāo)題和內(nèi)容，僅對(duì)標(biāo)題([!--title--])和([!--newstext--])起作用。
　　2、替換實(shí)例：
　　

　　我們要把內(nèi)容里的“新華網(wǎng)”替換成“中華網(wǎng)”：
　　

　　預(yù)覽下：
　　

　　沒(méi)有問(wèn)題，替換過(guò)來(lái)了。
　　三、圖片采集
　　(1)我們采集時(shí)會(huì)碰到信息內(nèi)容可以正常采集，但是里面的圖片卻不顯示，例子：
　　

　　信息內(nèi)容可以正常采集，就是圖片不顯示出來(lái)，這是由于內(nèi)容圖片的路徑不對(duì)，圖片的路徑為相對(duì)地址。
　　(2)查看源代碼：
　　

　　圖片是相對(duì)地址，要換成絕對(duì)地址才能采集成功。
　　(3)替換成絕對(duì)地址：
　　先在目標(biāo)站的圖片右鍵查看屬性：
　　

　　目標(biāo)站的圖片地址為“http://www.gdyd.com/news/PNews/a/e77366_634655073936250000.jpg”，我們采集所到的圖片地址為“/news/PNews/a/e77366_634655073936250000.jpg”，分析得到前綴“http://www.gdyd.com”，我們把前綴放到“圖片/FLASH地址前綴(內(nèi)容)”，如下圖：
　　

　　(4)前臺(tái)預(yù)覽圖片：
　　圖片顯示出來(lái)了：
　　

　　查看源代碼：
　　

　　圖片地址沒(méi)錯(cuò)，是本地地址。
　　注意事項(xiàng)：我們?cè)诓杉A(yù)覽和在本地臨時(shí)入庫(kù)信息時(shí)，發(fā)現(xiàn)已經(jīng)添加了圖片地址前綴了，但是圖片還是不顯示，出現(xiàn)這個(gè)你不用理他，直接入庫(kù)，入庫(kù)了系統(tǒng)才會(huì)自動(dòng)添加圖片地址前綴。
　　至此采集實(shí)例講解完畢，這三講對(duì)帝國(guó)cms采集的基本流程，重點(diǎn)，難點(diǎn)基本都概括了，還有些基礎(chǔ)的功能沒(méi)能一一介紹清楚，大家可以到帝國(guó)官方網(wǎng)站看下基礎(chǔ)教程。
　　本文由國(guó)外網(wǎng)站大全http://www.kguowai.com 原創(chuàng)，轉(zhuǎn)載請(qǐng)注明出處，謝謝!