开源 java CMS - FreeCMS2.3 Web页面信息採集
原文地址:http://javaz.cn/site/javaz/site_study/info/2015/23312.html
Web页面信息採集
从FreeCMS 2.1開始支持
通过简单配置就可以抓取目标网页信息,支持增量式採集、keyword替换、定时採集,同一採集规则可採集多个页面(静态和动态)。可採集多种信息属性。可自己主动审核且静态化信息页面。
採集规则管理
从左側管理菜单点击採集规则进入。
加入採集规则
在採集规则列表下方点击"加入"button。
填写相关属性后点击"保存"button就可以。
採集规则属性说明
採集规则属性分为基本、设置、採集地址,採集属性。关键词替换。
普通情况下仅仅要在基本选项卡填写相关属性就可以完毕。假设须要很多其它高级设置能够使用后面几个选项卡。
以下针对主要属性进行解释说明。
名称:採集规则的名称。
採集到栏目:採集的信息要加入到那个栏目。
页面编码:目标网页的页面编码,默觉得UTF-8。
採集地址:目标网页的地址。在基本选项卡中仅仅能设置一个,想要设置多个能够在採集地址选项卡中设置。
採集调度:设置定时运行採集操作,这个设置很重要。仅仅有设置了採集调度系统才运行採集操作。
内容列表開始结束html:由于系统是通过对目标网页内容进行关键词截取来提取信息属性的,所以设置目标属性的開始结束html就非常重要,一定要设置为相对照较唯一的開始结束html,这样系统才干正确的截取到目标属性。
此属性主要为了截取目标页面信息列表的html.
内容地址開始结束html:依据上面的属性获取内容列表html后,使用此属性截取各个内容地址。
内容标题開始结束html:依据上面的属性获取内容地址后。系统会抓取此内容地址的网页内容。然后依据此属性截取内容标题。内容相关属性的设置跟此属性类似。以下不再赘述。
状态:启用状态下的採集规则,系统才会运行。
採集图片:将信息内容中的图片下载到本地。
自己主动审核通过:将採集的信息直接设置为已审核状态。
使用採集信息点击量:默认採集到的信息的点击量为0。设置此属性和内容点击量開始结束html后系统会截取目标信息的点击量,设置为採集后信息的点击量。
最多採集内容数:默认不限制,假设设置了此属性,系统会从採集记录中统计此採集规则已採集了多少条信息,假设超过最多採集内容数。系统将不再採集。
将首幅图片设为标题图片:假设信息内容中有图片,则提取第一张做为标题图片。并设置信息为图片信息。
清除内容中的html标签:将信息内容中的html标签清除。保留纯文本。
当内容为空时是否採集:可设置在内容为空时不採集此信息。
使用採集信息的加入时间:默认採集到的信息的加入时间为当前时间。设置此属性和内容加入时间開始结束html后系统会截取目标信息的加入时间,设置为採集后信息的加入时间。
採集信息加入时间格式:默认格式为yyyy-MM-dd,假设目标页面的加入时间格式不同,须要在这里设置为正确的日期格式。
採集開始时间:默觉得当前时间,假设不到採集開始时间,系统是不会採集的。
採集结束时间:默觉得永不结束,假设超过採集结束时间,系统是不会採集的。
内容地址补全url:由于有些网页使用的是相对路径或绝对路径。能够设置内容地址的前缀。
图片地址补全url:由于有些网页使用的是相对路径或绝对路径,能够设置图片链接地址的前缀。
内容中A标签链接地址补全url:由于有些网页使用的是相对路径或绝对路径,能够设置内容中A标签链接地址的前缀。
採集地址分为静态和动态地址,静态地址为固定的地址。动态地址一般指能够分页的地址,通过{page}来代表分页变量,能够设置从那一页採集到那一页,如http://www.freetam.cn/list_{page}.html,设置開始页数为1,结束页数为10,系统会自己主动提取http://www.freetam.cn/list_1.html到http://www.freetam.cn/list_10.html全部页面的数据。
普通情况下我们仅仅採集信息的标题和内容就能够了,系统还提供採集内容描写叙述、点击量、作者、来源、加入时间属性的功能。
通过关键词替换功能,您能够将採集到的信息里面的关键词替换为自己想要的关键词。
编辑採集规则
选择须要编辑的採集规则,然后点击"编辑"button。
注意:同一时候仅仅能编辑一个採集规则。
填写相关属性后点击"保存"button就可以。
採集
选择须要採集的採集规则。然后点击"採集"button。
注意:同一时候仅仅能对一个採集规则进行採集操作。
删除採集规则
选择须要删除的採集规则,然后点击"删除"button。
提示:同一时候能够删除多个採集规则。
为了防止误操作,系统会提示用户是否删除,点击"确定"完毕删除操作。
查看採集记录
从左側管理菜单点击採集记录进入。
在这里能够查看到全部web页面採集记录,您能够删除指定的採集记录。但并不会删除已採集的信息数据,选择须要删除的採集记录。然后点击"删除"button。
提示:同一时候能够删除多个採集记录。
为了防止误操作,系统会提示用户是否删除。点击"确定"完毕删除操作。
【推荐】中国电信天翼云云端翼购节,2核2G云服务器一口价38元/年
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步