本文将为您提供关于Dedecms织梦源码采集办法教程:图片集采集的详细介绍，我们还将为您解释二的相关知识，同时，我们还将为您提供关于Dedecms织梦后台源码采集功能的使用办法详解、Dedecms织梦

本文将为您提供关于Dedecms织梦源码采集办法教程:图片集采集的详细介绍，我们还将为您解释二的相关知识，同时，我们还将为您提供关于Dedecms织梦后台源码采集功能的使用办法详解、Dedecms织梦模板采集教程一关于火车头采集分页、Dedecms织梦模板采集方法教程:图片集采集（三）、Dedecms织梦模板采集方法教程:图片集采集（二）的实用信息。

• Dedecms织梦源码采集办法教程:图片集采集（二）（织梦采集器图片本地化）
• Dedecms织梦后台源码采集功能的使用办法详解
• Dedecms织梦模板采集教程一关于火车头采集分页
• Dedecms织梦模板采集方法教程:图片集采集（三）
• Dedecms织梦模板采集方法教程:图片集采集（二）

Dedecms织梦源码采集办法教程:图片集采集（二）（织梦采集器图片本地化）

前言：本文是“Dedecms采集功能的使用办法 --- 图片集“的第二节，在前一节的基础上，将会对新增采集节点中的第二步：“设置字段获取规则”部分做一个简单的介绍。为了与前文保持一致，本文将延续使用前文的章节标记。

上接*节。

单击“保存信息并进入下一步设置”后，便可进入“新增采集节点：第二步设置内容字段获取规则”页面，如（图21）所示，

图21-设置内容字段获取规则

在预览URL处，系统将会自动指定一篇新闻作为示范页面，如有特殊需要可自行更改。打开示范页面，经观察可发现页面中含有分页，如（图22）所示，

图22-分页

下面来设置分页部分的匹配规则。

具体操作步骤：

（a）在页面的源代码中，找到分页代码的开始部分和结束部分，如（图23）所示，

图23-分页代码

（b）经过观察可知，分页代码位于“<div class=”show_pages”>“和”</div>”之间。因此，在”内容分页导航所在的区域匹配规则“中，应填写”<div class=”show_pages”>[内容]</div> “。对于分页代码的样式，一共有三种可供选择，这里应选择*种” 全部列出的分页列表”。填写后，如（图24）所示

图24-设置后的网页内容获取规则

对于“固定采集项目”中的“内容摘要、关键词和缩略图“三个部分，系统会用正则进行自动匹配，仅需配置过滤内容即可。下面主要介绍怎么获取“新闻标题、新闻作者、新闻来源、发布时间和新闻内容”的采集规则以及简单的过滤规则。

首先，打开“预览URL“的页面并单击右键，选择”查看源代码“，找到新闻标题” 高清壁纸（非原创作品）“，如（图25）所示，

图25-在源代码中的新闻标题

这里的新闻标题处在”<h1 class=“font14 b blink”></h1>”之间，因此这里需要填写”<h1 class=“ font14 b blink”>[内容]</h1>”作为新闻标题的匹配规则。对于所包含的<img src=http://www.dede58.com/a/dedejq/”/images/digest1.gif alt=”推荐的欣赏”>”可根据需要选择保留或者是过滤掉。如果希望把这张图片过滤掉，需要在过滤规则中填写：“{dede:trim replace='}<img([^>]*)>{/dede:trim}”。填写后，如（图26）所示，

图26-新闻标题的采集规则

经过查找源代码和对比原文，可发现本文没有涉及到原文作者。这里选择不填写。

这里把页面中的上传者作为新闻来源，如图（27）所示，

图27-上传者的信息

查看源代码，并找到相应的部分，如（图28）所示，

图28-源代码中上传者的信息

从图28中，可发现上传者的名字介于“<li><p>“和“</p>”之间，因此这里应填写“<li><p>[内容]</p>”作为新闻来源的采集规则。虽然，选定的采集规则能采集到上传者的名字，但是同时也包含了所不希望采集到的图片和链接，下面通过设置过滤规则把它们过滤掉。首先，过滤掉链接，这里使用“{dede:trim replace='}<a([^>]*)>{/dede:trim}{dede:trim replace=’’}</a>{/dede:trim}”;其次，使用“{dede:trim replace='}<img([^>]*)>{/dede:trim}”过滤掉图片。填写后，如图29所示，

图29-新闻来源的采集规则

回到图23，可发现有“17小时前”，由此可见，这里采集数字17就可以了。采集规则为“<span class=”bh”>[内容]小时前</span>”。这里不需要使用过滤规则。填写后，如图30所示，

图30-新闻发布时间的采集规则

这个部分是编写采集规则的重点，也是难点。需要非常注意。

图片集合：如果把采集的匹配规则填写在这里的话，系统就会把所采集到的图片，以图集的形式保存起来，注意这里只采集图片。

图集内容：在显示图集的时候，所需显示的说明性文字或者图片。

具体操作步骤：

图31-内容的开始部分

分析一下这个源代码可知，以下两点：

（1）“一些壁纸”是这个图集的内容，因此可以把“条评论<br/>”作为匹配图集内容的开始部分。但是这样采集到的内容会包含有</span>，需要在过滤规则中使用“{dede:trim replace=""}</span>{/dede:trim}”过滤掉。

（2）“<div class=”show_content_pic”><ul>”可作为匹配图片集合的开始部分，而且每一个图片及其相关信息都是在“<li class=”art_content_listli”>”和”</li>”之间的。注意到这段代码中有两个地方都出现了<img>，通过对比原文可发现，”<img src=http://www.dede58.com/a/dedejq/”/images/zoomit1.gif” class=”jdjz”>”是一个图标的源代码，这里是不需要被采集到的。为了过滤掉这个图标，需要在匹配规则中填写“{dede:trim replace=""}<p>(.*)</p>{/dede:trim}”。

填写后，如（图32）所示，

图32-开始部分的匹配规则及其过滤规则

（b）找到图集内容的结束部分，因为涉及到分页部分，所以需要选取分页结束的位置，如图33所示，

图33-图集内容的结束部分

很明显，这里应选取“<li ><ｓｃｒｉｐｔ type="text/javaｓｃｒｉｐｔ”>”作为图片集合和图集内容的结束部分。填写完成后，如（图34）所示，

图34-结束部分的匹配规则及其过滤规则

到这里，“新增采集节点：第二步设置内容字段获取规则”，就设置完成了。来看一下整个配置页面，如（图35）所示，

图35-设置后的新增采集节点：第二步设置内容字段获取规则

检查无误后，单击“保存并测试”。如果之前设置正确，单击后，将会进入“新增采集节点：测试内容字段设置”页面并看到相应的新闻内容。如（图36）所示，

图36-新增采集节点：测试内容字段设置

确定正确无误后，如果单击“仅保存”，系统将会提示“成功保存配置“并返回”采集节点管理“界面；如果单击“保存并开始采集“，将会进入”采集指定节点“界面。否则，请单击“返回上一步进行修改”。

关于第二节的介绍就到这里。下面进入第三节。。。

Dedecms织梦后台源码采集功能的使用办法详解

前言：这篇新闻是为了初次接触Dedecms采集功能的朋友所写的。所选取的目标站点为新闻内容详细页面不含有分页的Dedecms官方网站的dreameaver栏目新闻，通过图文并茂的形式，详细地介绍了怎么创建一个基本的采集规则。本文共分为三节：*节，主要是介绍怎么进入采集界面和新增采集节点中的*步：设置基本信息及URL索引页规则；第二节，主要是介绍新增采集节点中的第二步：设置字段获取规则；第三节，主要是介绍怎么采集指定节点和怎么导出采集内容。下面进入*节。

如（图1）所示，在后台管理界面的主菜单中单击"采集"，然后单击"采集节点管理"，即可进入采集节点管理界面，如（图2）所示。

图1-后台管理界面

图2-采集节点管理界面

在采集节点管理界面中，单击左下角的"增加新节点"或者右上角的"添加新节点"（如图2），都可进入"选择内容模型"界面，如（图3）所示，

图3-选择内容模型界面

在"选择内容模型"界面的下拉列表框中，有"普通新闻"和"图片集"可供选择。根据被采集页面的类型，选择相应的内容模型。本文这里选择"普通新闻"，单击确定后，便可进入"新增采集节点：*步设置基本信息及URL索引页规则"界面，如（图4）所示，

图4-新增采集节点：*步设置基本信息及URL索引页规则

图5-节点基本信息

如（图5）所示，

节点名称：给新建立的节点起一个名字，这里填上"采集测试（一）"；

目标页面编码：设定被采集目标页的编码格式，有GB2312、UTF8和BIG5三种。可通过在被采集目标页面上，单击右键后选择"查看源文件"来获取。

操作步骤：

（a）打开被采集的目标页：；

（b）单击右键后选择"查看源文件"，找到"charset"， 如（图6）所示，

图6-查看源文件

其等号后面的代码就是所需的"编码格式"，这里是"gb2312"。

"区域匹配模式"：设定怎么匹配所需采集的内容部分，可采用字符串或者正则表达式。系统默认的模式是字符串。如果比较了解正则表达式的朋友，可以在这里选择正则表达式的模式。

"内容导入顺序"：指定新闻列表导入时候的顺序，可以选择"与目标站一致"或"与目标站相反"。

"防盗链模式"：针对被采集的目标站点有无刷新限制。一开始很难判断出来，需要测试后才能知道。如果有的话，这里需要设置一下"资源download超时时间"。

"引用URL"：填入任何一个即将被采集的新闻内容详细页面的URL。

具体操作步骤：

（a）在已打开的新闻栏目页中，单击*篇新闻的

标题"在Dreamweaver中为插入的Flash添加透明"，以打开新闻内容详细页面，如（图7）所示，

图7-新闻内容详细页面

（b）此时在浏览器的网址地址栏中显示的URL，即为需要填写在"引用URL"处的URL，如（图8）所示，

图8-浏览器的网址地址栏

到这里，"节点基本信息"就设置完成了。*后结果，如（图9）所示，

图9-设置后的节点基本信息

检查无误后，进入下一步设置。

如（图10）所示，

图10-列表URL获取规则

这里是设置被采集的新闻栏目页的匹配规则。如果被采集的新闻栏目页有一定的规律，可选择"批量生成列表URL"；如果被采集的新闻栏目页完全没有规律可循，那么可选择"手工指定列表URL"；如果被采集的站点提供了RSS，则可以选择"从RSS中获取"。对于特殊情况，例如：部分栏目页有规律，而其余的又没有规律，则可在"匹配URL"中填上有规律的部分，然后把没有规律的部分填写在"手动指定URL"。

具体操作步骤：

（a）首先，回到已打开的新闻栏目页，找到浏览器的网址地址栏中显示的URL（图8）和页面底部的换页部分。如（图11）所示，

图11-换页

（b）单击"2"，打开新闻栏目页的第二页，此时浏览器的网址地址栏中所显示的URL和页面底部的换页部分，如（图12）和（图13）所示，

图12-第二页的URL

图13-第二页的换页部分

（c）在已打开的新闻栏目页的第二页上面，单击（1），打开新闻栏目页的首页，这时页面底部的换页部分与图11相同，而浏览器的网址地址栏中所显示的URL与之前图8并不相同，如（图14）所示，

图14-*页的URL

（d）由（b）和（c）推知，此处被采集的新闻栏目页的URL所遵循规律为：

(*).html。稳妥起见，请自行测试更多栏目页。确定规律后，在"匹配URL"中，填入新闻栏目页所遵循的规律。

（e）*后，指定需要采集的页码或者规律数字，并设定其递增规律。

到这里，"列表URL获取规则"部分就设置结束了。*后结果，如（图15）所示，

图15-设置后的列表URL获取规则

确定正确后，进入下一步设置。

如（图16）所示，

图16-新闻URL匹配规则

这里是设置被采集新闻栏目页的匹配规则。

具体操作步骤：

（a）对于"区域开始的HTML"，可通过在打开的新闻列表首页上，单击右键后选择"查看源文件"。在源文件中，找到*篇新闻的标题"在Dreamweaver中为插入的Flash添加透明"，如（图17）所示，

图17-查看源文件中，*篇新闻的标题

通过观察，不难看出"<div>"为整个新闻列表的开始部分。因此，在"区域开始的HTML"中，填入"<div>"。

（b）在源文件中，找到*后一篇新闻标题"通过Dreamweaver设计网页时组织CSS的建议"，如（图18）所示，

图18-查看源文件中，*后一篇新闻的标题

结合新闻列表的开始部分并通过观察可知，*个"</div>"为整个新闻列表的结束部分。因此，在"区域结束的HTML"中，应填入"</div>"。

"如果链接中含有图片"：设置对链接中含有图片的处理方式，有不处理和采集为缩略图可选。可根据实际需要选择。

"对区域URL进行再次筛选"：可以使用正则表达式对区域网站进行再次筛选，这是针对一些需要被保留或者需要滤掉的内容，尤其是混编的栏目页面，通过使用"必须包含"或者"不能包含"过滤掉所希望获取或者不希望获取的新闻内容详细页面的URL。

具体操作步骤：

回到正在打开的新闻列表首页的源文件，通过观察可知，每一个新闻内容详细页面地址的扩展名均为.html。因此，可在"必须包含"中，填入".html"。

到这里，"新闻URL匹配规则"就设置结束了。*后结果， 如（图19）所示，

图19-设置后的新闻URL匹配规则

通过1.2.1小节、1.2.2小节和1.2.3小节，新增采集节点的*步就已经设置完成了。设置后的结果，如（图20）所示，

图20-设置后的新增采集节点：*步设置基本信息及URL索引页规则

全部完成并检查无误后，单击"保存信息并进入下一步设置"。如果之前设置正确，单击后，将会进入"新增采集节点：测试基本信息及URL索引页规则设置的URL获取规则测试"页面并看到相应的新闻列表地址。如（图21）所示，

图21-URL获取规则测试

确定正确无误后，单击"保存信息并进入下一步设置"。否则，请单击"返回上一步进行修改"。

Dedecms织梦模板采集教程一关于火车头采集分页

第一步，编辑任务，切换到“采集内容规则”标签，选中“内容”，点击修改，勾选上“该标签在分页中匹配”，很多人没有采集到分页就是因为少了这一步。

第二步，找到下面的“分页获取规则”，选择“全部列出模式”，然后填写“分页网址提取区域”，并选择“自动识别”。

第三步，切换到“标签循环处理”，在“分页内容连接代码”里填写“

”。

通过采集测试，我们可以看到，分页的内容可以采集了，同时分页处自动加上了织梦的分页标签。

Dedecms织梦模板采集方法教程:图片集采集（三）

{dede:listconfig}
{dede:noteinfo notename="图片采集" channelid="2" macthtype="string"
    refurl="http://www.zcool.com.cn/show/ZNTc1MDT=.html" sourcelang="utf-8" cosort="asc"
  isref="no" exptime="10" usemore="0" /}
{dede:listrule sourcetype="batch" RSSurl="http://" regxurl="http://www.zcool.com.cn/shows/0!0!0!200!(*)!1!0!0/"
startid="1" endid="1" addv="1" urlrule="area" musthas="=.html"
 nothas="" listpic="1" usemore="0"}
    {dede:addurls}{/dede:addurls}
    {dede:batchrule}{/dede:batchrule}
    {dede:regxrule}{/dede:regxrule}
    {dede:areastart}fig}
{dede:itemconfig}
{dede:sppage sptype='full' srul='1' erul='5'}内容]内容]Box_uploader1">内容]内容]小时前内容]
评论
内容]fig}

Dedecms织梦模板采集方法教程:图片集采集（二）

前言：本文是“dedecms采集功能的使用方法 --- 图片集“的第二节，在前一节的基础上，将会对新增采集节点中的第二步：“设置字段获取规则”部分做一个简单的介绍。为了与前文保持一致，本文将延续使用前文的章节标记。

上接第一节。

 

2.1新增采集节点：第二步设置内容字段获取规则

 

单击“保存信息并进入下一步设置”后，便可进入“新增采集节点：第二步设置内容字段获取规则”页面，如（图21）所示，

图21-设置内容字段获取规则

 

在预览网址处，系统将会自动指定一篇文章作为示范页面，如有特殊需要可自行更改。打开示范页面，经观察可发现页面中含有分页，如（图22）所示，

图22-分页

 

下面来设置分页部分的匹配规则。

具体操作步骤：

（a）在页面的源代码中，找到分页代码的开始部分和结束部分，如（图23）所示，

图23-分页代码

 

（b）经过观察可知，分页代码位于“

内容分页导航所在的区域匹配规则“中，应填写”内容]分页代码的样式，一共有三种可供选择，这里应选择第一种” 全部列出的分页列表”。填写后，如（图24）所示

图24-设置后的网页内容获取规则

 

对于“固定采集项目”中的“内容摘要、关键字和缩略图“三个部分，系统会用正则进行自动匹配，仅需配置过滤内容即可。下面主要介绍如何获取“文章标题、文章作者、文章来源、发布时间和文章内容”的采集规则以及简单的过滤规则。

 

2.1.1 获取文章标题的采集规则

 

首先，打开“预览网址“的页面并单击右键，选择”查看源代码“，找到文章标题” 高清壁纸（非原创作品）“，如（图25）所示，

图25-在源代码中的文章标题

 

这里的文章标题处在”

标题的匹配规则。对于所包含的图片过滤掉，需要在过滤规则中填写：“{dede:trim replace='}

图26-文章标题的采集规则

 

2.1.2 获取文章作者的采集规则

经过查找源代码和对比原文，可发现本文没有涉及到原文作者。这里选择不填写。

 

2.1.3 获取文章来源的采集规则

这里把页面中的上传者作为文章来源，如图（27）所示，

图27-上传者的信息

 

查看源代码，并找到相应的部分，如（图28）所示，

图28-源代码中上传者的信息

 

从图28中，可发现上传者的名字介于“

Box_uploader1">Box_uploader1">上传者的名字，但是同时也包含了所不希望采集到的图片和链接，下面通过设置过滤规则把它们过滤掉。首先，过滤掉链接，这里使用“{dede:trim replace='}