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。
               比如这是某一列表页面的主要部分代码:
                <table width="98%" border="0" cellspacing="0" cellpadding="3">
                  <tr>
                       <td align="left" valign="top"><br>

                           <a href="News.asp?id=1" target=_blank>
新闻标题</a><br>
                           <a href="News.asp?id=2" target=_blank>新闻标题</a><br>
                           ....省略
                           <a href="News.asp?id=50" target=_blank>新闻标题</a>
                       </td>
                 </tr>
              </table>

  红色部分就是我们要的列表开始前标记和结束后标记,是不是把你想要的新闻夹在中间了?按照这样的取法可以选择好多对开始前标记和结束后标记,也就是说它们并不是唯一的。但是它们又是相对唯一的,这里的唯一是指,开始前标记在第一条新闻以上的代码中唯一,结束后标记在开始前标记到结束后标记之间的是唯一的。

(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">
                  <tr>
                       <td align="left" valign="top"><br>
                           <a href="List.asp?type=
IT新闻">[IT新闻]</a><a href="New.asp?id=1" target=_blank>新闻标题</a>
                           <a href="List.asp?type=Pc新闻">[Pc新闻]</a><a href="New.asp?id=2" target=_blank>新闻标题</a>
                           ....省略
                           <a href="List.asp?type=IT新闻">[IT新闻]</a><a href="New.asp?id=50" target=_blank>新闻标题</a>
                       </td>
                 </tr>
              </table>
红色部分为链接开始 /结束后标记,注意:如果新闻标题的前面有栏目链接(包括其它的链接,就像上面这个有IT新闻、Pc新闻一样)的,开始前标记必须往前延伸,我以前做的3.62版的录像中开始前标记是href= ,这个只能用于新闻标题前面没有栏目链接的情况。

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>
          <a href="Javascript:window.open('5')" target=_blank>新闻标题</a><br>
          ....省略
          <a href="Javascript:window.open('50')" target=_blank>新闻标题 </a>

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)