PHPCMS v9 文章采集

Phpcms v9默认内置有文章、图片、下载3个内容模型，先来看最普通的文章采集。以采集新浪互联网频道，国内滚动新闻栏目为例http://roll.tech.sina.com.cn/internet_chinalist/index_1.shtml

　　1、进入后台，内容——内容发布管理——采集管理——添加采集点。(不同于Phpcms以往版本，采集管理在模块菜单内)

　　2、网址规则。采集项目名随便填，采集页面编码默认GBK，具体采集页面的时候可以通过查看其网页源代码。

　 　网址采集，没有大的特色，通过查看所要采集页面的网址规则填写。分析目标页面得出是序列网址，且所要获取内容的网址都在<!-- 列表 begin -->和<!-- 列表 end -->两个标签之间。无其他干扰链接，所以就无需定义网址中必须包含和不得包含的字符了。如果目标网站配置了Base，那么也要配置好。

　　网址采集配置结束，但是如果目标网站列表页用js实现上下页，或者所要获取网址深度超过2级，用此自带采集就很难实现了。

　　3、内容规则。phpcms是用“[内容]”作为通配符，然后设置好开始结束的字符，再过滤不要的代码来实现内容的采集。分析目标页的title标签比较有规律，可以直接如图设置。

过滤格式为“要过滤的内容[|]替换值”，如果是删除的话就替换值留空。过滤规则是支持正则表达式，系统自带了几种比较常见的标签过滤正则，要比较灵活过滤的话对于新手来说有点难度，所以新手需要先熟悉下正则表达式。

　　作者规则，来源规则，时间规则依照规则去获取。小编尝试了一下固定值发现无法实现，就是把某一标签设为固定值，如把“来源”设定为http://www.sina.com.cn，可是采集结果来源标签为空。

 　　内容规则，填好开始和结束标签，我们测试的目标页比较干净，所以只需过滤掉里面的超链接和一些无用标签即可。

　　内容分页规则，如果内容页有分页必须填写，此处文章都没有分页，小编会在后面的图片采集来介绍这个标签。

　　4、自定义规则，除了系统默认的几个标签外，你还可以自定义各种标签，规则是一样的，只是有一点要注意：规则英文名一定要填写，否则自定义标签无法保存。

　　5、高级配置，此次可以设置下载图片、图片水印、内容分页和导入顺序。其中注意，如果需要水印记得修改好自己网站的水印图片，水印存放路径:statics/images/water

　　6、规则设置好了，提交回到采集管理首页，可以先通过测试来看看各标签是否准确。

　　7、发布内容。如果都准确，先点击采集网址，会自动采集文章地址，并过滤重复url。然后会弹出采集网址完成的消息，点击其中的“采集文章内容”

　　采集自动进行，并显示采集进度。

　　采集完成后自动回到采集管理首页，点击内容发布，进入到已采集文章列表，勾选要发布的文章，或者直接点击底部的全部导入。

　 　进入到发布方案选择界面，新建发布方案，选择一个发布栏目，本测试选择的是文章模块的栏目“国内”，在方案新建页面可以设置自动提取摘要、自动提取缩略 图、导入文章状态、标签与数据库对应关系。其中，导入文章状态只有一个“发布”，如果站长需要状态为待审核，要先修改对应栏目的工作流为一级审核。

　　标签与数据库对应关系中，把采集标签和数据库字段一一对应，如果有自定义标签找不到对应字段，需要修改模型增加字段，然后通过修改模板来显示，对技术要求比较高，不适合新手。另外系统自带几个处理函数，也挺实用的。

　　发布方案设置完成，自动开始导入刚才选择的文章，并且下一次导入时就无需再建方案了，直接选择已建好的方案即可。