推荐一款WordPress博客网站的采集插件工具

这次,小编来推荐一款WordPress博客网站的采集插件工具,希望能帮助使用Wordpress开源程序做网站的小伙伴们。

关于如何安装WordPress博客网站的采集插件工具

下载插件长腿蜘蛛-CTspider

  1. 然后到WordPress插件页面点击上传,安装启用即可。
  2. 如果使用FTP上传,请使用二进制上传协议。

关于采集插件工具如何授权?

登录长腿蜘蛛-CTspider官网注册账号(PS:注册账号需要邮箱验证激活码,请认真填写邮箱账号)。

  1. 点击用户中心->添加授权域名(PS:目前每位用户可以授权3个域名)。
  2. 得到授权码后,点击CTspider插件->系统配置->授权码配置->填入授权码->保存配置->验证授权
WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具

最近有很多网友问:为什么点击采集后显示没有任何数据只有两种可能

  1. 采集规则没有设置好。
  2. 如果确定采集规则没问题,请查看当前采集的网址是否是Ajax动态渲染加载(PS:目前长腿蜘蛛-CTspider 不支持动态渲染加载采集)

新建项目 / 基本配置

接下来我们详细说下如何采集一个项目

我们使用新浪科技为示例:

首先基本配置

  1. 任务名称:新浪科技(PS:自定义即可)
  2. 更新时间:默认60分钟(PS:当前任务60分钟自动执行一次)
  3. 字符集:默认选项就可以(PS:如果出现乱码情况,请针对当前web网页字符集选择即可)
  4. 随机IP:开启(PS:开启随机IP会在每次采集的时候自动更换IP,减少服务器IP被封的几率)
  5. 多线程采集:开启 (PS:开启后可提高采集速度)
  6. 多线程数量:默认10(PS:根据自己服务器配置酌情使用)
WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具

列表设置

  • 列表URL: http://roll.tech.sina.com.cn/internet_all/index.shtml (PS:如需多个,可换行添加)
  • 列表区域选择器:.contList>ul>li (PS:【完全和CSS选择器用法一样】【可填,可不填】如果采集当前页面有多个相同列表DOM节点就要填写,确保采集精准度)用谷歌浏览器右键审查元素,可以看出当前列表数据都在.contList>ul>li下面
WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具
  • 列表缩略图:如果有图可以直接填写当前缩略图CSS选择器
  • 文章网址匹配:a (PS:由于上面区域选择器已经定位,我们可以直接填入a标签即可,如果区域选择器没有定位则设置:.contList li a 或者.contList a 具体根据你采集页面dom结构自己分析)
  • 添加来源网址到自定义字段:source_url(PS:【自定义】可开启或不开启,设置后会在每天文章添加一个自定义字段source_url并且会把当前采集到网址链接赋值给该字段用于前台调用显示)如: get_post_meta(‘source_url’) 可调用该字段的值。

点击列表测试可以查看当前项目列表配置情况

WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具

文章设置

标题匹配规则:h1

文章内容设置:#article_content

WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具

可以看到标题在h1标签下,也可使用.main-title来获取标题

正文内容看上去有好多 class和id 如果有id属性尽量采用id,毕竟id是唯一性,定位精准。

我们还可以增加规则来采集TAG标签

长腿蜘蛛-CTspider 提供了6总规则添加采集,并且可以自定义字段规则(PS:自定义字段规则可以添加多个)

WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具

点击采集测试

采集结果完美呈现(原文:标题:TAG)正确显示

但是我们发现结果中出现了a链接和一些多于的css属性和id属性还有span标签

WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具

我们可以利用长腿蜘蛛-CTspider强大的内容过滤模块进行数据清洗工作

内容过滤

  1. 首先删除数据中所有a链接但不删除a标签内容
  2. 删除数据中span标签并且也不删除内容
  3. 删除数据中无用的class属性和id属性

具体设置如下图:

WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具

最后在进行采集测试(得到纯净的数据)

WordPress博客网站的采集插件工具
WordPress博客网站的采集插件工具

 

原创文章,作者:SONIC SEO,如若转载,请注明出处:https://www.seo388.com/wpcaiji/

(1)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2019年11月25日 22:26
下一篇 2019年11月25日 22:41

相关推荐

  • 关于Discuz!X3.4安装详细图文教程,安装简单

    说明:本文档用于帮助您全新安装完整的 Discuz! X3.4 社区软件 一、下载 Discuz! X3.4 到本地或者服务器上 下载地址:https://gitee.com/3dming/DiscuzL/attach_files 二、解压并上传 Discuz! X3.4 程序到服务器且修改相应目录权限 1、上传 Discuz! X3.4 程序到服务器上解压…

    2019年7月21日 免费建站教程
    12.6K
  • 网站后台介绍-DedeCMS织梦建站教程

    DedeCMS织梦建站教程 — 网站后台介绍: 简单说说,织梦DedeCMS的建站部分教程 。       Dede织梦CMS 下载地址: www.dedecms.com 无论是国内的还是国外的网站,都可以使用织梦DedeCMS开源程序来搭建网站哦。

    2019年3月16日
    11.4K
  • 网站的域名应该如何选购? 越短越好 ?

    网站的域名应该如何选购? 越短越好 ?答案是肯定的,越短越好被记住,约受欢迎。但是价格会越高。域名的选择也是SEO优化的重要一环,也是SEO的基础。 国内的网站一般选择com, cn或者net结尾的比较好 (提醒:最好的国内使用后缀还是com和cn,新浪微博会员第三方接口只接受com和cn后缀的),比较受搜索引擎蜘蛛欢迎。而域名长度当然是越短越好,越容易被记…

    2019年3月20日
    11.7K
  • 如何在WordPress博客网站后台设置敏感关键词过滤?

    如何在WordPress博客网站后台设置敏感关键词过滤?这次,小编来教大家操作一遍吧。 小编在网上找到了一份关键词文档,通过添加删除一些关键词,整理出来了一份适用的关键词。 分享给大家使用,如下: 链接:https://pan.baidu.com/s/11boAKB6sUEfZsykhOkdTAA提取码:2o36 把这一份关键词内容复制粘贴到 仪表盘\设置\…

    2020年8月4日
    02.1K
  • WordPress博客网站访问速度的优化方案

    这是小编的一个小徒弟做的一个小测试。他做的是 “Wordpress博客网站访问速度的优化方案 ”。希望能帮助用wordpress框架源码建站的小伙伴们。 如何提升Wordpress网站打开速度,让WP博客程序实现速度秒开,经过研究实践终于突破了速度这一难题。 要提升Wordpress速度需要结合多方面来进行操作,可针对以下几个方面对速度进行优化来让用户获得更…

    2020年9月3日 免费建站教程
    02.3K
  • 环境搭建 – apache和nginx哪个快?哪个性能高?

    关于建站前的环境搭建,本人是先去购买服务器,然后买的是linux系统的服务器,安装的是centos系统(一般是7的版本,6的版本太低了)。然后用linux面板,输入代码指令安装宝塔系统,如下: yum install -y wget && wget -O install.sh http://download.bt.cn/install/ins…

    2019年8月5日
    02.2K
  • 域名被墙是啥?如何查看域名是否被墙了?

    SEOer或者站长们建站,那必须要买域名。购买域名的话,还是有注意事项需要注意的,否则可能会一不小心买到的“新域名”,很可能已经是被墙了的,或者是被哪个大空间大公司(腾讯,金山,360)屏蔽了的。所以咱们站长应该在购买域名前,先做好相应的准备,可以先查询域名是否被墙,域名的建站记录是否有违规的历史记录等等。 那么,什么是域名被墙?怎么查看域名是否被墙?在使用…

    2019年9月27日
    02.3K
  • 织梦dede后台登陆后一片空白的解决办法汇总

    织梦dede后台登陆后一片空白的解决办法汇总   dede后台登陆后一片空白的第 1 种解决办法: 找到:include/common.inc.php文件,打开,查找程序代码://error_reporting(E_ALL);error_reporting(E_ALL || ~E_NOTICE);替换为:error_reporting(E_ALL)…

    2019年9月2日
    01.5K
  • 当使用WordPress 5.4.2版本时,可能会遇到后台访问速度变慢的问题

    当使用WordPress 5.4.2版本时,可能会遇到后台访问速度变慢的问题 经过了一晚上的纠结,我找到了一些暂时解决办法,以下是具体步骤: 第1步:修改admin.php文件 打开wp-admin/includes路径下的admin.php文件。 在文件的最底部加入以下代码: 复制代码 add_filter(‘automatic_updater_disab…

    2023年8月21日
    0917
  • 对于urllib3错误ImportError(“urllib3 v2.0 only supports OpenSSL 1.1.1+, currently “f”the ‘ssl’ module is compiled with {ssl.OPENSSL_VERSION}. “”See: https://github.com/urllib3/urllib3/issues/2168”)的解决

    对于urllib3错误ImportError(“urllib3 v2.0 only supports OpenSSL 1.1.1+, currently “f”the ‘ssl’ module is compiled with {ssl.OPENSSL_VERSION}. “&#8221…

    2023年5月12日
    01.3K
  • 源码建站DeDe织梦CMS安装页面出现dir

    这次,小编来给大家说说一个常见的织梦建站问题,“源码建站DeDe织梦CMS安装页面出现dir”。相信很多小伙伴有遇到过,那应该怎样解决呢?接下来,我们来看看吧。 有些小伙伴们买了的dede织梦CMS的二次开发的源码结果又遇见安装时出现dir,认为这套源码时不能安装的 ,我今天给大家带来一个这样的教程吧! 1.遇见安装页面出现dir 2.你这个肯定是已经安装过…

    2020年6月8日 免费建站教程
    02.4K
  • 宝塔面板phpMyAdmin打不开如何解决?

    这次,小编来给大家说说,关于 “宝塔面板phpMyAdmin打不开如何解决?” 第一种常见的情况是:服务器在购买后,888端口没有开放与放行,空间商那边的安全组,把888端口开放就好了,就解决宝塔面板phpMyAdmin打不开的问题了。 如果打开了888端口还是打不开phpMyAdmin的话,那就很可能是第二种情况,环境冲突。 第二种常见的情况是:服务器在购…

    2019年11月24日 免费建站教程
    05.3K