SCSCMS系列课程之第四课

【SCSCMS】

下载

新闻

文章

本课主要讲解阳光企业网站管理系统采集功能。

采集功能是我们第一次自主开发，功能与性能都会受限制，但我们相信随着我们的研究深入，功能会越来越好！
首页进入网站后台，内容管理，数据采集。在采集管理里，点击右上边“采集开始”。

采集第一步：
1.采集主题：主要说明采集什么网站什么栏目。可随便写。
2.采集类型：文章或者新闻。
3.分页采集设置：批量生成适合有规律比较多页的形式；列表添加适合无规律页数少的情况。【重要】
4.源代码编码:指被采集网页的编码，如果选择错误将可能导致出现乱码！
5.作者信息：指编写此采集规则的作者信息。可随便写。

采集第二步：
1.采集主题，源代码编码，采集类型，源代码编码都是由第一步选定的，不可更改！
2.分页列表：列出所有需要采集的网页的链接，修改无效！
3.分页源代码：列出采集页中第一页的源代码做样本，供下面操作时查看，修改无效！
4.链接匹配代码：指采集链接其中之一的样本，由ASP正侧式匹配截取。格式是: 链接开始代码{$SCS}链接结束代码，注意禁止出现?*+^$这些ASP正侧式通匹符，否则可能截取不正确！【重要难点】
5.转成绝对地址：因为网页中一般不会采用绝对地址。例如链接地址为showarticle.asp那么就需要替换成http://www.scscms.com/article/showarticle.asp之类的。
6.内容标签过滤：指采集的内容中需要过滤的标签。强烈建议过滤iframe,object,script三种标签,其余自己酌情选择。特别注意如果过滤html标签等效过滤所有标签，不建议过滤html。总之越靠后的越不推荐过滤！
7.内容字符替换：指把采集到的内容，用特定的字符替换对应的字符。格式是：查找字符|替换字符
多个替换请使用分行隔开,可以为空表示不替换。
8.保存远程图片：指采集过程中把文章内容中的图片全部保存到本网站目录下，如果被采集网站图片过多就会造成速度缓慢，容易造成采集超时，同时占用大量空间。所以不推荐选择保存！

采集第三步：
1.采集主题，源代码编码，采集类型，源代码编码都是由第一步选定的，不可更改！
2.采集分类：指把采集到的内容归纳到哪个分类中。
3.采集列表：列出可采集的所有文章标题及链接，没打上勾的表示不采集！
4.文章详细源码：是采集列表中的第一个链接的样本源代码，供下面操作时查看，修改无效！
5.标题标志代码：指采集文章标题的结构标签。必需含{$SCS}【重要】
6.内容标志代码：指采集文章内容的结构标签。必需含{$SCS}【重要难点】
7.分页标志代码：当需要采集分页时设置，填写 scscms 表示没有分页。保持原分页结构指被采集文章是分页的地方采集入库时也对应分页。【难点】
8.时间标志代码：指采集文章时间的结构标签，必须符合yyyy-mm-dd或者yyyy-mm-dd hh:nn:ss格式，其它格式特别是含中文的不能入库。可直接指定值。
9.作者标志代码：指采集文章作者的结构标签。可直接指定值。
10.来源标志代码：指采集文章来源的结构标签。可直接指定值。
11.关键词代码：指采集文章关键词的结构标签。可直接指定值。
12.概要代码代码：指采集文章概要代码的结构标签。可直接指定值。
13.采集备注：针对此采集主题的一些说明注解。可随便写。
14.采集操作：三个选择，保存不采集指先保存此采集规则暂不采集。采集不保存指马上采集但并不保存修改过的采集规则。采集并保存指采集同时保存修改后的采集规则。
最后点下一步将结束此采集过程的修改，如果选择了采集立刻进入采集状态。

名词解释：
【可随便写】指并不重要的数据。
【修改无效】指你修改或者删除并不影响采集过程。
【可直接指定值】指一般文章内容无对应的值时，或者你不想使用采集中的值时，可直接指定内容。

视频地址http://www.scscms.com/media/2010-10/25902467.html