CX文章采集器规则写法,怎样写Discuz论坛采集规则.docVIP

CX文章采集器规则写法教程，教你如何写采集规则 相信做用Discuz做站的用户是非常多的，那么用到CX采集插件的用户也是很多，自己也用过CX采集插件，个人觉得非常不错，是Discuz插件中一款很不错的采集插件，很适合Dicuz，可以说是类似于织梦，新云等程序后台自带的那种采集插件，不过很多人对于插件的采集规则写法还是很搞不来，自己的水平虽然不高，但是还能勉强写些规则，所以就写个简陋点的教程，新手可以看一看，老手你也别喷我！ 在cx采集插件中，机器人就是采集器，首先给大家讲一下采集器制作的基本原理和思路！ 1，首先确定要采集的文章列表页面的链接（这里的链接一定要是列表的连接） 2，要确认要采集这个列表页面的内容区域，也就是机器人中的“列表区域识别规则” 3，要确认要采集这个列表页面中的文章的连接，也就是“文章链接URL识别规则” 4，然后，我们就要确认要采集的文章内容范围，也就是“文章内容识别规则” 5，依靠前面4步，我们已经基本确定了要采集的范围，要过滤一些自己不想要的文章题目或者内容，大家可以按实际情况设置“过滤规则” 下面我们的教程正式开始，我以搜瘦网的一个文章列表为例子，给大家讲解；下面我们具体将采集 HYPERLINK /jfff/ysjf/sssp/ /jfff/ysjf/sssp/这个列表页面； 第一步：后台—插件—CX采集器—添加机器人 基本设置：1.机器人名（即机器人的名称）；2.匹配模式（一般情况选正则表达式）；3.一次采集总数（即一次采集的总个数，按自己的选择设置）；4分批采集数（默认为5，不可太大，否则采集会超时）5，发布时间（可以自定义发布时间，不设置的话以当前的时间为主） 第二：设置采集的列表页面 1.采集页面的url设置有两种，一是手工输入，二是自动增长，我们以手工输入为例；添加好链接后，点击下测试，看是否可以链接到； 2.采集页面的编码设置，我们可以点击程序辅助识别，这里要填的是被采集页面的编码，其他3项，按个人需要设置 3.设置列表区域识别规则 ?? 到我们要采集的页面，点击右键，查看源文件，然后找到文章链接url的区域，规则中url区域用[list]表示 ?现在我们就要找到开始区域和结束区域的div或其他标签，文章链接URL一定要在这个区域中，而且是最近的，标签必须要独一无二，比如： table class=newslist cellspacing=5 cellpadding=3 width=100% border=0[list]table width=100% border=0 cellspacing=0 cellpadding=0 style=table-layout:fixed;word-wrap:break-word;word-break:break-all 然后，我们需要点击一下后面的测试，看是否能识别出文章链接url区域 4，文章链接url识别规则 ?规则需要的连接如图 我们将·a href= HYPERLINK /2011/5/4/28072.shtml /2011/5/4/28072.shtml 中，引号中的连接替换成[url]，即 ·a href=[url] 填到规则中，然后点击测试 文章链接url补充前缀，因为连接中有域名，所以就不需要填了，如果没有，则需要填上域名 第三，文章内容页面采集设置 1，文章标题识别规则，点开一篇文章，在文章页面中点击右键，查看源文件，找到这篇文章标题左右最近的标签，文章标题用[subject]，代替 以列表中的这篇文章为例； HYPERLINK /2011/5/4/28084.shtml /2011/5/4/28084.shtml 标题规则即：title[subject]/title 填入规则，点击测试 大家都看到，识别后的标题，其中后面的并不是我们想要的标题，所以我们要把不需要的过滤掉，现在我们复制不想要的一些标题即（-资讯中心-减肥频道-减肥方法-饮食减肥-瘦身食谱） 将他填到下面的文章标题过滤规则中，现在我们测试下，看看是不是得到我们想要的标题了? 2，文章内容识别规则 找到源文件中这篇文章区域开始和结尾最近的标签，内容用[message]表示，即内容识别规则为 table border=0 cellpadding=0 cellspacing=1 id=soosou_news_content_show[message]div id=soosou_news_content_editor? 点击测试 这样规则就写好了，点击最下面的提交，其他规则按你要采集的网站和个人的需要自己设置。 然后，点击开始采集 采集完成后，点击查看采集结果 然后选择，需要导入到你论坛的哪个版块 这样整个采集过程就结束了，教程写的很简陋，但毕竟是个人原