CX文章采集器规则写法怎么写Discuz峰会采集规则

　　CX文章采集器规则写法教程，教你怎么写采集规则 相信做用Discuz 做站的用户是特别多的，那么用到CX采集插件的用户也是好多，自己也用过 采集插件，个人感觉十分不错，是Discuz 插件中一款很不错的采集插件，很适宜Dicuz，可以说是类似于织梦，新云 等程序后台自带的那个采集插件，不过很多人对于插件的采集规则写法还是太搞不来，自己的水平即使不 高，但是能够勉强写些规则，所以就写个破旧点的教程，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，首先给你们讲一下采集器制做的基本原理和思路！ 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联接） 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“列表区域辨识规则” 3，要确认要采集这个列表页面中的文章的联接，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“文章内容辨识规则” 5，依靠上面4 步，我们早已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则内容，大家 可以按实际情况设置“过滤规则” 下面我们的教程即将开始，我以搜瘦网的一个文章列表为反例，给你们讲解；下面我们具体将采集 。

　　com/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 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，不可很大，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，二是手动下降，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辨识，这里要填的是被采集页面的编码，其他3 人须要设置3。设置列表区域辨识规则 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 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： [list] 然后，我们须要点击一下旁边的测试，看是否能辨识出文章链接url 区域 4，文章链接url 识别规则 规则须要的联接如图 我们将 中，引号中的联接替换成[url]， href="[url]">填到规则中，然后点击测试 文章链接url 补充前缀，因为联接中有域名，所以就不需要填了，如果没有，则须要填上域名 第三，文章内容页面采集设置 1，文章标题辨识规则，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近来 的标签，文章标题用[subject]，代替 以列表中的这篇文章为例；。

　　com/2011/5/4/28084。shtml 标题规则即：[subject] 填入规则，点击测试 大家都听到，识别后的标题，其中前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-减肥方式-饮食减重-瘦身食谱） 将他填到下边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，文章内容辨识规则 找到源文件中这篇文章区域开始和结尾近来的标签，内容用[message]表示，即内容辨识规则为 [message]

　　点击测试 这样规则就写好了，点击最下边的递交，其他规则按你要采集的网站和个人的须要自己设置。 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，需要导出到你峰会的那个版块 这样整个采集过程就结束了，教程写的太狭小，但其实是个人原创，转载请标明转载自石必峰的博客