怎么样采集别人网站的数据?

所属栏目:建站教程 发布时间:2021-07-09 点击: 文章来源:https://www.sznest.net/jzjc/3654.html

我们公司的网站采集功能,即可以采集文字,也可以采集图片,还可以采集产品详情页的属性名、属性值,即能采集标题图片在列表页的情况,还可以采集标题图片在详情页的情况,即可以单页采集,也可以多页采集,即可以多条件采集,也可以多条件过滤,但是要成功的采集别人网站的数据,需要在自己的网站后台先添加采集规则,下面是添加采集规则的详细说明,请仔细阅读。

脚本暂停时间(秒):必填,值越大采集成功率越高(取值范围1到255),但是采集时间越长,默认设置1秒。
列表页url默认页:    必填,一般是指不带页码的列表页url。
开头页码:必填,表示从第几页开始采集,无翻页时请填写1。
结尾页码:必填,表示采集到多少页为止,,无翻页时请填写1,采集过程中如出现网络故障,尝试减少采集页的数量。
标题最小中文字数:必填,只采集标题中文字数大于最小中文数的详情页。
标题最大中文字数:必填,只采集标题中文字数小于最大中文数的详情页。
详情最小中文字数     必填,如果设置为0表示不限制,否则只采集详情中文字数大于最小中文数的详情页。
仅采集包含:选填,标题与内容中都包含时才采集,有多个值时每个值不允许重复及被其它值包含,只允许输入中英文数字和英文逗号。
包含不采集:选填,标题或内容中包含时不采集,有多个值时每个值不允许重复及被其它值包含,同时每个值不允许与仅采集包含中的任何值相同或相互包含,也不允许与查找替换等号前面的值相同或相互包含,只允许输入中英文数字和英文逗号。
标题与详情查找替换:选填,等号是查找与替换的分隔符,等号前面的是要查找的字符,后面是要替换的字符,如果等号后面为空表示替换为空,如果有多组,中间用英文逗号隔开,有多组时,每组等号前面的每个值不允许重复及被其它值包含,只允许输入中英文数字和英文逗号和等号。
带参数的列表页url:选填,结尾页码大于1时必填,必填时页码用endpage替换,示例:域名/news.php?cid=8&page=endpage。
列表页id正则:必填。
带参数的详情页url:必填,id值用idvalue来替换。
列表页标题正则:列表页标题正则与详情页标题正则必须并且只能二选一填写一项。
详情页标题正则:列表页标题正则与详情页标题正则必须并且只能二选一填写一项。
详情页标签循环体正则:获取循环体的固定写法是(.*?),获取循环体的前面与后面还必须加上标识符。
详情页标签文本正则:从循环体中去获取标签文本数组。
没匹配到标签时是否跳过:是与否,二选一。
详情页详情正则:必填。     
详情页详情过滤正则:选填,过滤图片正则示例:/<img[^>]{1,}>/i,不支持圆括号引用
详情页详情是否过滤超链接:是与否,二选一。

添加了采集规则之后,然后就可以采集别人网站的数据了,采集时无须人工干涉,如果采集出现故障或被暂停、或者采集完成,都会有声音提示。

下面是采集规则中正则表达式的特别要求,请一定要遵守。
1:圆括号()、中括号[]、花括号{}必须成对出现。
2:圆括号()、中括号[]、花括号{}不能出现交叉。
3:圆括号()只能出现一次并且必须出现一次。
4:空格不能用\s表示、数字不能用\d表示。
5:()[]?+*.等作为普通字符时不用转义。
6:()[]?+*等作为普通字符时用.来代替。
7:开头与结尾加/,如果有修饰符加到最后一个/后面。
8:所有英文字符必须全部转换成小写。
9:多个空格需要换成一个空格(不要使用Tab键)

下面是自动采集过程中的特别提醒,请一定要遵守。
1:在采集过程中不要点击后台的其它链接,否则导致页面阻塞。
2:在采集过程中不要刷新当前页面,否则也会导致页面阻塞。
3:如果页面被阻塞,请耐心等待,等待时间取决于采集的数据量,采集的越多,需要等待的时间越长。

什么是页面阻塞?
即点击其它任何链接反应相当慢,感觉像卡住了,其实不是卡住了,只是你点击其它链接时服务器就暂时把你的这次请求给延后了。

为什么请求会延后?
因为在采集时需要占用服务器大量的内存和CPU资源,如果在采集的同时又点击其它链接或者刷新当前页面就是再次向服务器发起请求,导致服务器越来越忙,既然他忙的不可开交,那么他短时间之内肯定是无法响应你的第二次请求了,只到服务器把你的第一次请求采集的事情做完了,才会响应你的第二次请求 为什么采集会中断?
采集不仅占用大量的服务器的内存和CPU资源,而且消耗大量的流量,从而影响到服务器稳定和安全,所以为了避免这种情况,所有的服务器都对采集行为作了限制,从而导致采集中断?

如何降低采集中断的概率?
减少采集页的数量或增加脚本暂停时间都可以提高被中断的概率。

相关阅读

节点类型都有什么区别?

节点类型分为表单、单页、通用、列表、单杂项、多杂项、备用节点表单这种节点适用于有表单留言的页面,文件…

了解详情 >>

如何备份数据库与下载?

在右上角点击下载备份进入下载备份列表页,然后点击数据备份按钮即可备份,如需要下载,点击右侧的下载然后…

了解详情 >>

如何让文章或产品显示在首页,比…

在左边找到公司动态,然后点击进入公司动态列表中,找到你要显示在首页的那片文章,然后点击是或否来进行切…

了解详情 >>

如何对节点或内容进行排序,比如…

在上边点击节点管理,在节点列表中找到行业资迅,然后在右边点击上移的黑三角形按钮即可将之移到公司动态的…

了解详情 >>

如何修改页脚(即模板网站底部)…

在左边找到页脚或底部等信息,然后点击进入即可修改

了解详情 >>

如何修改联系我们中百度地图的经…

在左边找到联系我们下面的百度地图经度、纬度等信息,然后点击进入即可修改(百度地图经度与纬度信息获取请…

了解详情 >>

Copyright @ 2008-2019   www.sznest.net   All rights reserved  网巢网是一家专业为企业及个人提供在线免费建站、快速自助建站的模板建站公司   粤ICP备11083046号    

微信

移动端

客服

顶部