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
- 然后到WordPress插件页面点击上传，安装启用即可。
- 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）。
- 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）。
- 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
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
- 采集规则没有设置好。
- 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
- 任务名称：新浪科技（PS：自定义即可）
- 更新时间：默认60分钟（PS：当前任务60分钟自动执行一次）
- 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）
- 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）
- 多线程采集：开启 （PS：开启后可提高采集速度）
- 多线程数量：默认10（PS：根据自己服务器配置酌情使用）
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
- 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
文章设置
标题匹配规则：h1
文章内容设置：#article_content
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）
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
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
- 首先删除数据中所有a链接但不删除a标签内容
- 删除数据中span标签并且也不删除内容
- 删除数据中无用的class属性和id属性
具体设置如下图：
最后在进行采集测试（得到纯净的数据）
原创文章，作者：SONIC SEO，如若转载，请注明出处：https://www.seo388.com/wpcaiji/
微信扫一扫 
支付宝扫一扫 
