phpcms文章采集器如何设置采集规范

在应用采集器采集文章的时候，第一步就是设置采集规范，那么应当如何设置呢？本文就此问题做一个简单的介绍。

首先我们需要新建一个采集任务，并单击【起始网址】右侧的添加按钮。

系统弹出【添加开始采集地址】对话框，该对话框给出五中采集分时，一般我们应用的比较多的为【单条网址】、【批量/多页】、【RSS地址】这三种方式。我们在单条或多条网址下输入需要采集的网址，并依次单击右侧的【添加】按钮和【完成】按钮。

网址添加完毕后，我们需要告诉采集软件我们需要采集网页的哪一部分。此时，我们需要单击【多级网址获取】右侧的添加按钮添加采集规则。

在【添加多级网址规则】选项框中，一般我们勾选【从页面自动分析得到地址连接】，并在下方设置【从该选定区域中提取网址】来达成采集某一段网页的目的。

我们可以通过查看该页面的HTML代码来得到我们需要哪些栏目，或者通过观看这些连写的共性，之后通过网址过滤的方式将这些网址过滤出来，比如文本中过滤条件为：http://news.baidu.com/n?cmd=4&class

获取该页面的COOKIE信息，通过点击【网页登录信息】右侧的【浏览器登录获取】打开【内置微型浏览器】对话框，单击其中的Cookie，请确定保存。

单击右下方的【测试网址采集】按钮，可以查看【测试地址采集】是否满足需求，如果不满足需求，则需要对【步骤5】中的规则进行调整。