第一步、我们打开织梦后台点击采集——采集节点管理——增加新节点

优采云发布时间: 2020-08-03 15:02

　　第二步、新增节点-配置网址索引

　　填写要采集的网站的列表相关规则，

　　查看采集站点的编码和网站源码

　　我们右键单击，点击查看源码，在源码的开头位置，找到一个写有charset=某一编码的meta标签，比如charset="gb2312",这个就是所说的网站编码了

　　选择采集站点的编码

　　第三步、新增节点-配置文章网址匹配规则

　　我们查看采集站点的列表页源码，找到文章列表开始html和结束html标签，分别把它们复制到降低采集节点->文章网址匹配规则的"区域开始的HTML"和“区域结束的HTML”输入框中。你不一定选择右键查看源码来找到文章列表开始标签，你可以在文章开始的地方右键单击，审查元素(chrome浏览器,firefox是查看元素)，这样就更方便的找到文章列表开始和结束的标签了。

　　设置以后我们点击"保存信息并步入下一步设置"

　　第四步：网址获取规则测试

　　如果在测试结果发觉有无关的网址信息，说明的第五步中的网址过滤规则有误或则没有填写过滤规则。如果发觉采集有误，你可以返回上一次更改，没有就点击“保存信息并步入下一步设置”。

　　第五步：内容数组获取规则

　　我们查看采集站点的文章源码，找到相关选项的开始和结束html标签网站程序自带的采集器采集文章，填写入指定位置，开始和结束标签以"[内容]"分格。

　　设置完毕，我们点击"保存配置并预览"

　　第六步：过滤规则

　　在第七步中的匹配规则前面，都有一个过滤规则，这个过滤规则是拿来过滤无需采集的内容。

　　比如，网易整篇文章都有一个放置广告的iframe标签，我们要采集网易的文章，不可能采集回来以后，一篇一篇得去删掉这个广告。但是怎样消除呢?去除方式就是那种过滤规则，我们点击常用规则网站程序自带的采集器采集文章，就会弹出一个小窗口，列出了常用的过滤规则，我们只需点击要们要过滤的规则即可，要过滤网易文章中的iframe标签，我们就点击iframe即可。