CX采集图文教-手把手教你做DZ采集规则.docVIP

CX采集图文教程-手把手教你做DZ采集规则 作者：hurq 准备工具:CX采集器2.66PHP52 下载地址：/file/1557949 选择好你要采集的网址，是文字列表，我这里以 游记攻略-国内 为例; 网址是/109/china/nts/list.html 2打开CX采集器,添加新机器人，【机器人名】填写你的规则名称,如本规则为【游记攻略-国内byhurq】；【匹配模式：】选择第一个。其他如图1： 图1 【列表页面采集设置】如果你采集指定的页面就在左边的【手工输入】输入你的网址，如果你要采集整个项目列表，就在右边【自动增长】输入规则，规则很简单，你打开几页列表，其中变化的数字ID你用[page]替换，本文采用手工输入：如图2。 图2 【开启URL监控模式】开启后以后重复的文章就不会采集，建议设置检测，避免重复；【文章倒序采集】你自己设置；【列表页面编码】你点击程序辅助检测就行了，如果检测的编码和你的网站程序不一样，请填写你检测出来的编码，其他设置如图3； 图3 【列表区域识别规则】你打开网页源代码。找到文章列表所知位置，找到整个列表块的开始和结束代码，记住，开始代码必须是唯一的。如图4.5.6,代码为“var auto_news = new Array();[list]show_news(1,40);”，写完后点击测试，看看是否成功。 图4 图5 图6 【文章链接URL识别规则】直接在上面的测试里可以看到代码，找到同类的标记就行了，如图7所示，代码为“,/[url],”。点击测试，OK，成功了。 图7 【文章链接URL补充前缀】由于里面的链接都是内链，我们采集来的都要补充前缀，你随便打开一个链接，把采集之前的链接截取就行了，本文的链接为：/其他都可以不写，如图8； 图8 【文章标题识别规则】打开一个内容页右击查看源代码，找到标题，取标题前后的代码就行了，记住，前段代码必须唯一。“h1 id=artibodyTitle[subject]/h1”如图9；在以后几个设置都不太重要，略过不设置，如图9-1； 图9 图9-1 【文章内容识别规则】这个是关键，打开内容页的源代码，找到正文开头，这里你要找到其他页面通用的标记源码，你可以打开几个内容页看看，在正文前一半有个DIY层，一半采用这个，结束源码你可以随便采用，只要不影响内容，本文采用代码“div class=blkContainerSblkCon id=artibody[message]转发此文至微博”。如图10,11； 图10 图11 如果你采集的内容出现一些你不想要的东西，如链接，广告，别的网站名称，你可以用【文章内容过滤规则】【文章内容文字替换】及【文章内容格式化】，具体看你采集的页面有哪些你不想要的东西，本文不做演示。 【文章内容分页模式】和上面的列表获取是一样的呢可以参考5、6、7条，如图12； 图12 如果你要采集出处和作者，你可以在【信息来源识别规则】【作者识别规则】注明，你也可以替换上自己的网站名称和作者；在入库时，你可以用同一个ID发布，也可以随机ID发布，在【发布者UID，只能填其中一种】设置，建议采用rand(all)随机，这样对搜索引擎比较友好；如图13； 图13 如果你想把图片采集回来，那么请选择【保存内容中的图片到本地】；看你的实际需要。 图14 OK，点击提交，一条采集规则就好了，采集看看，OK，没有问题，好了，本次教程就做到这里，请记得我哦 我是hurq QQ有上面需要可以找我。 manufacturers drawings bolt fastened in the cylinder and outer cylinder. Cylinder cylinder in the drain pipe installation and measuring component leads. blade carrier, partitions and lower installation check the sealing ring of the seal and springs, which shall conform to the technical requirements manufacturers drawings. Cylinder gasket on the mounting brackets supporting the Group assembled, the lugs shall be no Burr on the surface, and other debris. Department suite in place to measure s