采集规则设置注意事项

在这个越来越浮躁的社会，越来越多的人期望事情能够越来越轻松，越来越容易。特别是对于瞬息万变的互联网来说，需要时间去仔细琢磨的事情并不适合。就拿网站运营来说，完全的原创文章虽然对网站优化排名有很好的帮助，但大部分的网站运营的写作能力并不高，再加上题材的限制、时间的规律性，希望完全通过原创及全手工来运营和优化一个网站是很困难的事情，特别是对于一些资讯类网站、商城类网站、视频类网站等此类页面较多、内容更新要求较快的网站来说，无论是内容建设还是外链发布都是个庞大而复杂的任务，靠手工完成无论是时间上还是成本上都不划算。因而，有时候我们需要使用到一些工具的辅助。采集工具就是其中的一种。

目前在网站采集中使用得比较多的采集工具是火车头采集工具以及织梦自身的dede采集工具，采集工具之间的优劣对比网络上有很多，百度一下你就知道，而采集规则的设置网络上也有很多攻略，大抵都差不多，因而本文也不再多加说明，有兴趣的童鞋可以自行搜索看看。今天美孕宝防辐射服小美要跟大家分享的是，在设置采集规则的时候，有哪些注意事项?

一、采集起止代码设置

在采集规则设置中，很重要的一个步骤就是采集起止代码的设置。一般是一小段代码，以“数字/英文+符号”形式为主。代码越短越不容易出错，并需要具有唯一性，以方便机器快速辨别采集的起止位置。在网上的教程中，这段起止代码一般是完整的一段，如[内容]，其中，是开始采集位置，[内容]代表需要采集的部分信息，是终止采集位置，很多人会误以为起止代码一定需要是完整的一段，但实际上并非如此。

如下图两种:

 

 

代码的某一部分，或者甚至是夹杂中文的代码也可以作为采集的起止代码，这可以去掉一些网站内容开头与结尾带有网站专有标识。

二、标题采集设置

标题采集很简单，有两种方式，如下图所示：

 

在需要采集的页面点击右键选择“查看源代码”，在打开的页面中使用快捷键ctrl+f，在出现的搜索栏中输入该采集内容的标题，就能查看到该页面的标题规则，一般为title标签以及h标签，数量在1~4个不等。一般页面会两种标题标签并存。这种情况下，使用h标签会比title标签采集更不容易出错。

需要注意的是，有时候h标签有h1标签h2标签h3标签等，一般只使用h1标签。

三、分页采集规则设置

一些网站由于文章篇幅过长或者希望增加点击率，往往把一篇文章分成几个分页来呈现。这种情况下采集的起止代码就不在同一个页面上，而应该在文章开始页寻找采集开始代码，而在文章结束页寻找终止代码，设置如下：

 

四、几个可能导致采集失败的因素

1、网站隐藏内容禁止采集。这种情况以腾讯新闻为例，腾讯新闻的内容在打开的源代码页面里不会呈现出来，因而也无法判别文章的起止位置，也无法采集到其网站内容。

2、网站采集出错。大多数网站内容在网页以及代码中都正常显示，但当采集到目标网站时却显示出错。这种出错分为几类：

a、标题出错。如下图所示，文章的内容会全部集中到标题上。

 

b、只采集到标题，内容空白。即无法采集到相关的内容。

c、采集终止符失效，采集内容包括了被采集网站上的广告/版权信息/版尾信息等信息。

 

这些都是采集中经常会遇到的问题，了解这些，对于采集以及伪原创都有很大的帮助。虽然在优化上我们并不建议使用采集的方式，但在必要的情况下，了解采集规则，对网站运营还是有一定的好处的。原文出处：美孕宝防辐射服，专载请保留原文链接。谢谢!