| 属性设置 |
1、文章属性:
立即发布:不需要审核,即可通过前台直接访问。 包含图片:选中的话,如果采集的新闻正文中有图片,则会在标题前面显示[图文],默认选中。 首页图片:选中的话,如果采集的新闻正文中有图片,则会将检索到的第一张图片设为本新闻的首页图片,默认选中。 其它选项:略........ 2、标签过滤选项: 这里是常见的要过滤的html标签。 广告过滤:如果没有选择,那么采集过滤中的过滤将不起作用,下一版中将去掉。 IFRAME:如--<IFRAME SRC="广告地址">,比较常见的广告代码。OBJECT:如--<Object 代码>代码</Object>,注意--有些正文中有Flash动画、又有这个广告代码,此时推荐使用过滤功能。 SCRIPT :如--<SCRIPT LANGUAGE="JavaScript1.1" SRC="广告地址"></SCRIPT>,常见的广告代码。 FONT :如--<font style="font-size:12px;line-height:150%;">,常用于去掉文字的大小、颜色等属性。 A :如--<a href="http://pic.scuta.net">查看更多图片</a>,常用于去掉文字、图片上的链接,但不会去掉“查看更多图片”。 3、采集选项: 保存文件:选中的话,如正文中有图片则会将图片保存到服务器上。 倒序采集:从最下面一条新闻开始向上采集,新闻一般都是最早发布的在下面,最新发布的在上面。 测试采集:只作测试,采集的结果不录入数据库,也不会产生历史记录。 正文预览:在采集过程中可预览正文,如果是入库采集则只显示前200个字符,有图片时可能会造成图片无法显示。 |
|---|---|
| 采集项目 |
1、添加项目:
(1)基本设置 项目名称:起个看一眼就明白的名称,如:IT世界-业界新闻(来自IT世界的业界新闻)。 所属栏目:采集的新闻属于哪个栏目。 所属专题:采集的新闻属于哪个专题。 网站名称:要采集的新闻是哪个网站的。 网站网址:该网站的网址。 项目备注:该项目的其它要记录的信息,比如--IT世界的新闻好好哦,以后每天都要采它 ~ (2)列表设置 列表: 书一般都有目录吧?列表就像一本书的目录,目录可以有一页,也可以有很多页,列表也一样。 列表索引页面: 你要开始采集的列表页。 列表开始/结束后标记:
平面上的两点确定一条直线,学过几何吧?用在这里是一样的道理,开始/结束后标记可以确定你要采集的新闻,有的这里没有设置好结果采集到其它新闻去了。 (3)链接设置 链接开始/ 结束后标记: 这里没设置好采集过程中可能会路途停止 部分代码
<table width="98%" border="0" cellspacing="0" cellpadding="3"> 链接的重新定位: 如果新闻的链接特殊,可使用本功能对新闻网址重新定位,比如有些代码可能是这样:
<a href="Javascript:window.open('1')" target=_blank>新闻标题</a><br>
把开始/结束后标记设置为红色部分,点击一条新闻看它的真实网页地址,比如第一条新闻的地址是这样,http://www.jumbotcms.com/plus/news.aspx?id=1,那么绝对链接就设置为http://www.jumbotcms.com/plus/news.aspx?id={$ID}就成了 。 (4)正文设置 标题、正文、作者、来源、标签及正文分页设置同上,不想重复,这里就不说了。 (5)采样测试 正确采样后完成添加操作。
|
| 采集过滤 |
过滤有简单替换和高级过滤(相对简单替换)
(1)简单替换 把一段字符替换为另一段字符,比如 想把所有的 (图) 字符替换为 空 内容:(图) 替换:留空 (2)高级过滤 比如正文中有这样的代码: <iframe src="http://jumbotcms.net/plus/topnew.htm" name="contentFRM" id="contentFRM" scrolling="no" width="326" height="350" marginwidth="0" marginheight="0" frameborder="0" align="left"></iframe> 大家都知道这应该是广告代码吧,想把它过滤掉不要它了,可以这样: 开始前标记:<iframe 结束后标记:</iframe>
注:像这种代码也可以使用 过滤选项 中的 IFRAME选项 ,如果代码复杂还是推荐使用上面的这各方法。 |
| 历史记录 |
历史记录,记录的是所采集过的新闻网址,保留着该新闻的采集状态,也是判断一条新闻是否重复采集的重要依据。
成功记录:成功采集并保存到将博CMS的数据库中。 失败记录:采集失败,但动易数据库中没有相关新闻。 失效记录:将博CMS的数据库中已删该新闻(不包括失败记录) |