Phpcms網(wǎng)站管理系統(tǒng)目前最新版本為Phpcms v9，作為國(guó)內(nèi)主流CMS系統(tǒng)之一，目前已有數(shù)萬(wàn)網(wǎng)站的應(yīng)用規(guī)模。那么其自帶的采集模塊功能如何呢，來(lái)看看吧。

文章采集

Phpcms v9默認(rèn)內(nèi)置有文章、圖片、下載3個(gè)內(nèi)容模型，先來(lái)看最普通的文章采集。以采集新浪互聯(lián)網(wǎng)頻道，國(guó)內(nèi)滾動(dòng)新聞欄目為例http://roll.tech.sina.com.cn/internet_chinalist/index_1.shtml

1、進(jìn)入后臺(tái)，內(nèi)容——內(nèi)容發(fā)布管理——采集管理——添加采集點(diǎn)。(不同于Phpcms以往版本，采集管理在模塊菜單內(nèi))

2、網(wǎng)址規(guī)則。采集項(xiàng)目名隨便填，采集頁(yè)面編碼默認(rèn)GBK，具體采集頁(yè)面的時(shí)候可以通過(guò)查看其網(wǎng)頁(yè)源代碼。

網(wǎng)址采集，沒(méi)有大的特色，通過(guò)查看所要采集頁(yè)面的網(wǎng)址規(guī)則填寫(xiě)。分析目標(biāo)頁(yè)面得出是序列網(wǎng)址，且所要獲取內(nèi)容的網(wǎng)址都在<!-- 列表 begin -->和<!-- 列表 end -->兩個(gè)標(biāo)簽之間。無(wú)其他干擾鏈接，所以就無(wú)需定義網(wǎng)址中必須包含和不得包含的字符了。如果目標(biāo)網(wǎng)站配置了Base，那么也要配置好。

網(wǎng)址采集配置結(jié)束，但是如果目標(biāo)網(wǎng)站列表頁(yè)用js實(shí)現(xiàn)上下頁(yè)，或者所要獲取網(wǎng)址深度超過(guò)2級(jí)，用此自帶采集就很難實(shí)現(xiàn)了。

3、內(nèi)容規(guī)則。phpcms是用“[內(nèi)容]”作為通配符，然后設(shè)置好開(kāi)始結(jié)束的字符，再過(guò)濾不要的代碼來(lái)實(shí)現(xiàn)內(nèi)容的采集。分析目標(biāo)頁(yè)的title標(biāo)簽比較有規(guī)律，可以直接如圖設(shè)置。

過(guò)濾格式為“要過(guò)濾的內(nèi)容[|]替換值”，如果是刪除的話就替換值留空。過(guò)濾規(guī)則是支持正則表達(dá)式，系統(tǒng)自帶了幾種比較常見(jiàn)的標(biāo)簽過(guò)濾正則，要比較靈活過(guò)濾的話對(duì)于新手來(lái)說(shuō)有點(diǎn)難度，所以新手需要先熟悉下正則表達(dá)式。

作者規(guī)則，來(lái)源規(guī)則，時(shí)間規(guī)則依照規(guī)則去獲取。小編嘗試了一下固定值發(fā)現(xiàn)無(wú)法實(shí)現(xiàn)，就是把某一標(biāo)簽設(shè)為固定值，如把“來(lái)源”設(shè)定為http://www.sina.com.cn，可是采集結(jié)果來(lái)源標(biāo)簽為空。

 內(nèi)容規(guī)則，填好開(kāi)始和結(jié)束標(biāo)簽，我們測(cè)試的目標(biāo)頁(yè)比較干凈，所以只需過(guò)濾掉里面的超鏈接和一些無(wú)用標(biāo)簽即可。

內(nèi)容分頁(yè)規(guī)則，如果內(nèi)容頁(yè)有分頁(yè)必須填寫(xiě)，此處文章都沒(méi)有分頁(yè)，小編會(huì)在后面的圖片采集來(lái)介紹這個(gè)標(biāo)簽。

4、自定義規(guī)則，除了系統(tǒng)默認(rèn)的幾個(gè)標(biāo)簽外，你還可以自定義各種標(biāo)簽，規(guī)則是一樣的，只是有一點(diǎn)要注意：規(guī)則英文名一定要填寫(xiě)，否則自定義標(biāo)簽無(wú)法保存。

5、高級(jí)配置，此次可以設(shè)置下載圖片、圖片水印、內(nèi)容分頁(yè)和導(dǎo)入順序。其中注意，如果需要水印記得修改好自己網(wǎng)站的水印圖片，水印存放路徑:statics/images/water

6、規(guī)則設(shè)置好了，提交回到采集管理首頁(yè)，可以先通過(guò)測(cè)試來(lái)看看各標(biāo)簽是否準(zhǔn)確。

7、發(fā)布內(nèi)容。如果都準(zhǔn)確，先點(diǎn)擊采集網(wǎng)址，會(huì)自動(dòng)采集文章地址，并過(guò)濾重復(fù)url。然后會(huì)彈出采集網(wǎng)址完成的消息，點(diǎn)擊其中的“采集文章內(nèi)容”

采集自動(dòng)進(jìn)行，并顯示采集進(jìn)度。

采集完成后自動(dòng)回到采集管理首頁(yè)，點(diǎn)擊內(nèi)容發(fā)布，進(jìn)入到已采集文章列表，勾選要發(fā)布的文章，或者直接點(diǎn)擊底部的全部導(dǎo)入。

　 　進(jìn)入到發(fā)布方案選擇界面，新建發(fā)布方案，選擇一個(gè)發(fā)布欄目，本測(cè)試選擇的是文章模塊的欄目“國(guó)內(nèi)”，在方案新建頁(yè)面可以設(shè)置自動(dòng)提取摘要、自動(dòng)提取縮略 圖、導(dǎo)入文章?tīng)顟B(tài)、標(biāo)簽與數(shù)據(jù)庫(kù)對(duì)應(yīng)關(guān)系。其中，導(dǎo)入文章?tīng)顟B(tài)只有一個(gè)“發(fā)布”，如果站長(zhǎng)需要狀態(tài)為待審核，要先修改對(duì)應(yīng)欄目的工作流為一級(jí)審核。

標(biāo)簽與數(shù)據(jù)庫(kù)對(duì)應(yīng)關(guān)系中，把采集標(biāo)簽和數(shù)據(jù)庫(kù)字段一一對(duì)應(yīng)，如果有自定義標(biāo)簽找不到對(duì)應(yīng)字段，需要修改模型增加字段，然后通過(guò)修改模板來(lái)顯示，對(duì)技術(shù)要求比較高，不適合新手。另外系統(tǒng)自帶幾個(gè)處理函數(shù)，也挺實(shí)用的。

發(fā)布方案設(shè)置完成，自動(dòng)開(kāi)始導(dǎo)入剛才選擇的文章，并且下一次導(dǎo)入時(shí)就無(wú)需再建方案了，直接選擇已建好的方案即可。

文章采集、發(fā)布完成?？纯葱Ч?/p>

后臺(tái)內(nèi)容管理頁(yè)

內(nèi)容頁(yè)

下面我們來(lái)看看圖片采集

圖片采集

phpcms v9自帶圖片模型，對(duì)圖片處理也有個(gè)組圖模式，方便一些站長(zhǎng)做圖片網(wǎng)站或者設(shè)置圖片展示方式。下面來(lái)體驗(yàn)下用自帶采集程序來(lái)采集圖片，以采集http://www.4493.com/mingxingxiezhen/頁(yè)面的圖片為例：

網(wǎng)站獲取規(guī)則以及內(nèi)容獲取規(guī)則等都和文章采集一樣，最重要的一點(diǎn)，phpcms v9的圖片采集不能只采集圖片地址，而是應(yīng)該采集整個(gè)<img>標(biāo)簽，這樣才能處理為組圖。如本例：內(nèi)容標(biāo)簽設(shè)置為

采集到的內(nèi)容應(yīng)該是這樣的

 還有個(gè)分頁(yè)問(wèn)題，目標(biāo)站的分頁(yè)如圖所示：

網(wǎng)頁(yè)代碼為：

所以只需在內(nèi)容分頁(yè)規(guī)則處選擇全部列出模式，然后填寫(xiě)分頁(yè)標(biāo)簽開(kāi)始和結(jié)束字符，系統(tǒng)就自動(dòng)采集分頁(yè)的內(nèi)容了。

設(shè)置完規(guī)則后，采集網(wǎng)址，采集內(nèi)容，發(fā)布內(nèi)容。發(fā)布方案處要注意，小編幾經(jīng)嘗試發(fā)現(xiàn)，要實(shí)現(xiàn)組圖模式，必須內(nèi)容字段和組圖字段都要用上“處理為組圖”函數(shù)。但是這樣就無(wú)法獲取第內(nèi)容圖片做縮略圖了，所以最好自定義一個(gè)縮略圖標(biāo)簽，直接獲取一張內(nèi)容圖地址做縮略圖。

設(shè)置好后發(fā)布。見(jiàn)采集效果：

欄目頁(yè)

內(nèi)容頁(yè)

總結(jié)：細(xì)細(xì)體驗(yàn)下來(lái)，phpcms v9自帶的采集功能還是比較全面的，滿足基本的文章和圖片采集。但是不夠靈活，對(duì)一些高要求的站長(zhǎng)來(lái)說(shuō)還明顯不足，而且門(mén)檻較高，官方對(duì)采集模塊的說(shuō)明和幫助文件又非常有限，不利于新手上手。