51dev.com IT技术开发者社区

51dev.com 技术开发者社区

火车头采集器采集文章使用教程实例

IT猿阅读(67)2019-11-02 收藏0次评论

任务:

采集某一个指定页面的文章包括(标题、图片、描述、内容)导入到自己网站数据库对应栏目(栏目id为57),数据库字段分别(title,thumb,descrption,content)。

页面里面第一张图作为文章缩略图,这边一个获取缩略图名称并添加上对应网站路径放入数据库thumb字段,另一个是下载下本地,统一上传到指定文件夹,(当然看软件可以直接ftp,目前还没弄,后期弄了会补充)

1、新建分组--新建任务

 

2、添加网址+ 编辑获取网址的规则

选择范围在 ul 里面的 li 里面的链接,注意排除重复地址,可以点击下面测试网址采集获取。

可以看到有采集到的文章链接了。

 

3、采集内容规则

我这边需要采集下面图上展示数据(catid是栏目id,可以将采集到的数据放入对应栏目,设置固定值就好)

着重说下内容和图片的采集,标题和描述同理内容采集

 内容采集:

打开一个采集的文章页面,查看源代码(禁了右键的f11 或者在网址前面加上 view-source: 一样可以查看):

选中文章开头一个位置,截取一段在ctrl+f 搜下是否唯一一段,若是就可以放在位置下图1处,结尾同开头一样。

我截取内容不想里面还带有链接图片可以数据处理,添加--html标签排除--选好确定--确定

 

还有需要下载页面图片,勾选和填写下面选项

 

图片采集:

(1)选中范围和内容一样(文章内图片)

(2)数据处理选 提取第一张图片  内容是:http://www.xxx.com/2017/33/aa.jpg

(3)只要aa.jpg,正则过滤  ,获取内容:aa.jpg

(4)数据库存储有前缀,添加上, upload/xxxxx/

找一个页面测试一下,可以看到对应项目都获取到了。

 

4、发布内容设置,这里以方式三发布到数据库为例子,编辑后回到这边勾选刚定义的模块就好:

 

 5、我需要保存图片到本地,要设置下保存文件的路径(ftp后续会试着使用)。

 

6、保存,查看刚新建的任务,右键 开始任务运行,这边就可以看到文字和图片都下载下来了,数据库里面也可以看到了。

以上就是火车头采集器采集文章使用教程实例的全部内容。