增加采集节点

增加采集节点：也可以说是新增一个采集任务。说明：每个系统模型都有自己的采集，无论是内置的还是用户自定义的系统模型，新闻系统有新闻系统采集，下载系统有下载系统采集等等。

增加采集基本流程

1、增加采集节点；

2、预览采集正则是否正确；

3、预览无误后即可开始采集。

增加采集节点

1、登录后台，单击"栏目"菜单，选择"增加采集节点"子菜单，进入选择入库栏目界面：

2、进入选择入库栏目界面：（也就是选择采集的信息存放到哪个栏目）

3、选择入库栏目后，进入"增加采集节点"页面，如下图：

基本信息

节点名称

此节点的名称

父节点

可选择上级节点，主要方便管理，比如你可以把所有新闻的采集都归到一个父节点里。

采集页面地址

要采集的页面列表，如果是多个列表用回车格开。

采集页面为直接内容页：说明填写的地址为直接内容页面地址。

采集页面地址方式二

由系统自己生成列表，但必须是有数字规律的。

如:"http://www.phome.net/index.php?page=[page]"([page]则为页码的范围)

内容页地址前缀

信息页链接的地址前缀。如地址前面没域名的话，系统会加上此前缀。 如：http://www.phome.net+/news/2006/1.html

图片/FLASH地址前缀

新闻内容的图片/FLASH地址为相对地址时使用。(针对newstext字段，远程保存时有效)

入库栏目

采集的数据要入库的栏目。如本节点不是采集节点，请不选。(只列出属于此系统模型的栏目)

入库专题

采集的数据要入库的专题。

节点生效时间

"开始时间"与"结束时间"这个目前可随意设置。这主要是以后版本扩展之用。

备注

备注或说明

选项

默认相关关键字

截取标题前几个字符作为相关链接的"关键字"，推荐设为0，这样入库效率更高。

采集记录数

可设置只采集前多少条记录。("0"为不限，系统会从头采到页面尾)

远程保存图片到本地

选择后入库时系统会远程保存图片到本地，还可设置是否加水印。(针对newstext字段)

远程保存FLASH到本地

选择后入库时系统会远程保存FLASH到本地。(针对newstext字段)

标题图片设置

可设置选择远程保存第几个图片作为标题图片及生成缩图设置。

每组列表采集个数

采集列表页每组记录数，单采集列表页请填1。

每组信息采集个数

采集信息页数据每组记录数

每组入库数

如果要远程保存图片/FLASH则请设小，如设为1。(为防止入库超时，系统推荐将php的超时设为360以上)

每组采集时间间隔

针对部分网站限制了页面刷新时间间隔而设置的项

附加选项

页面编码转换

页面编码的转换设置。

是否重复采集同一链接

可设置同一链接是否重复采集。

是否隐藏已导入的信息

推荐选隐藏。否则入库后的记录依然会显示到入库列表里。

采集后自动入库

可设置采集后自动入库，不需要人工去入库。但有可能入库超时中断。

入库后自动删除已导入的信息：入库后同时删除备份的验证记录。

整体页面过滤正则

格式："广告开始[!--pad--]广告结束"。多个可用","格开。

针对整个页面代码进行过滤。

对整个页面字符替换

原字符多个请用","格开,如果是新字符是多个，可以用","格开，系统会一一对应进行替换。

过滤选项

采集关键字

标题包含关键字的信息才会采集。如不限制，请留空。多个请用","格开

替换

原字符多个请用","格开,如果是新字符是多个，可以用","格开，系统会一一对应进行替换。

(针对标题与内容)

过滤广告正则

格式："广告开始[!--ad--]广告结束"，多个请用","格开。(针对newstext字段)

内容为空不采集

如果newstext内容为空不采集设置项。

过滤相似

可设置不采集标题相似超过多少个字符的信息。如不限制请填"0"。

可设置不采集标题完全相同的信息

截取内容简介

如果信息简介(smalltext)没有值的话，系统会依此设置截取新闻内容(newstext)多少字符作为简介。

列表页正则

信息链接区域正则

通常不需要设置。一般是设置只采集页面某一区域的链接或缩小采集范围才设置的

在要采集链接区域的代码地方加上"[!--smallurl--]"

信息页链接正则

采集"内容页链接"的正则（列表页里）

在信息页链接的地方加上"[!--newsurl--]"

标题图片正则

采集"标题图片地址"的正则，可设置远程保存与地址前缀（列表页里，如图片在内容页，请留空）

在标题图片地址的地方加上"[!--titlepic--]"

内容页分页采集设置:(如没有分页请留空,针对newstext字段)

说明：如果是全部列表式，则只需看第一页的页面HTML代码。

入库是否保留原分页

如果选择"不保留分页"则入库后的信息都不分页。

分页形式

有"上下页导航式"与"全部列出式"两种形式。（一般全部列出式用的比较多）

"全部列出"式正则设置

分页区域正则([!--smallpageallzz--])

分页链接正则([!--pageallzz--])

"上下页导航"式正则设置

分页区域正则([!--smallpagezz--])

分页链接正则([!--pagezz--])

采集相关注意事项

1、按通常设置，同一链接不重复采集。

2、没有标题的信息不采集。

3、非固定内容可用"*"代表任意字符。

4、对于特殊字符请在前面加上""，当然直接将特殊字符改为"*"最合适了。特殊字符如下： " )"、"("、"{"、"}"、"["、"]"、""、"?"等等。

5、正则要找出唯一性的开头字符。有时候空格都会成为识别的依据。

6、增加节点后最好先预览节点，预览无误后才开始采集。(管理采集节点那可预览)

7、＂时间正则＂：为空的话，将为入库时间