採集概況和採集軟件實例介紹

常見的採集有大致分為兩類:cms等自帶採集,採集軟件。

cms等自帶採集：

缺點是效率低、採集不夠靈活。php或者asp程序實現採集，這種方式採集任務一多容易卡死。

優點是和cms本身能融為一體，便於發佈。

採集軟件：

2 Q; ?. }$ A% X3 s( `8 L5 n1 }- M# g缺點是發佈的時候不同的cms需要不同的接口處理。

' P+ m% y$ ]$ _" E. d優點是採集效率很高，採集速度很快，可大批量任務同時採集，並設置好後可做到定時等無人操作自動採集更新的功能。

cms自帶的採集在任務量少、網頁結構簡單時是十分有效的，這裡只說下dedecms的過濾規則

{dede:trim}你需要過濾的內容{/dede:trim}

自己使用和結合網上的總結了下過濾html一些代碼的正則表達式，可根據情況增減，基本可以滿足傻瓜式過濾

{dede:trim}<style([^>]*)>([^>]*)</style>{/dede:trim}

{dede:trim}<script([^>]*)>{/dede:trim}

{dede:trim}</script>{/dede:trim}

{dede:trim}<a([^>]*)>{/dede:trim}

{dede:trim}</a>{/dede:trim}

{dede:trim}<param([^>]*)>{/dede:trim}

{dede:trim}<embed([^>]*)>([^>]*)</embed>{/dede:trim}

{dede:trim}<embed([^>]*)>{/dede:trim}

{dede:trim}</embed>{/dede:trim}

{dede:trim}<object([^>]*)>([^>]*)</object>{/dede:trim}

{dede:trim}<object([^>]*)>{/dede:trim}

{dede:trim}</object>{/dede:trim}

{dede:trim}<OBJECT([^>]*)>([^>]*)</OBJECT>{/dede:trim}

{dede:trim}<OBJECT([^>]*)>{/dede:trim}

{dede:trim}</OBJECT>{/dede:trim}

{dede:trim}<iframe([^>]*)>([^>]*)</iframe>{/dede:trim}

{dede:trim}<iframe([^>]*)>{/dede:trim}

{dede:trim}</iframe>{/dede:trim}

{dede:trim}<IFRAME([^>]*)>([^>]*)</IFRAME>{/dede:trim}

{dede:trim}<IFRAME([^>]*)>{/dede:trim}

{dede:trim}</IFRAME>{/dede:trim}

{dede:trim}<font([^>]*)>([^<]*)</font>{/dede:trim}

{dede:trim}<font([^>]*)>{/dede:trim}

{dede:trim}</font>{/dede:trim}

{dede:trim}<img([^>]*)>{/dede:trim}

{dede:trim}<a([^>]*)>([^<]*)</a>{/dede:trim}

{dede:trim}<a([^>]*)>{/dede:trim}

{dede:trim}</a>{/dede:trim}

{dede:trim}<td([^>]*)>([^>]*)</td>{/dede:trim}

{dede:trim}<td([^>]*)>{/dede:trim}

{dede:trim}</td>{/dede:trim}

{dede:trim}<tr([^>]*)>([^>]*)</tr>{/dede:trim}

{dede:trim}<tr([^>]*)>{/dede:trim}

{dede:trim}</tr>{/dede:trim}

{dede:trim}<tbody([^>]*)>([^>]*)</tbody>{/dede:trim}

{dede:trim}<tbody>{/dede:trim}

{dede:trim}</tbody>{/dede:trim}

{dede:trim}<table([^>]*)>([^>]*)</table>{/dede:trim}

{dede:trim}<table([^>]*)>{/dede:trim}

{dede:trim}</table>{/dede:trim}

{dede:trim} {/dede:trim}

{dede:trim}</span>{/dede:trim}

一旦採集任務量大或者網頁結構複雜等時，建議最好不要考慮用cms自帶的採集，費時費力，效果一般。

Cms自帶的採集即使是采普通的網頁過濾起來也很麻煩，還是採集軟件爽啊，隨便設下就ok了

其他的cms就不說了，說下採集軟件的採集，採集軟件的採集就像下載軟件一樣，即使網速再慢都不會卡死，經常用cms都知道采上一百的文章都經常卡死。

現在採集軟件很多很亂，基本沒有形成一個品牌，常用的有火車頭（www.locoy.com）、小蜜蜂BC（www.downreg.com）、守望數據（http://mycjq.uu1001.com）、三人行採集（www.cnsrx.cn）、網絡信息採集大師（www.netget.com.cn）

採集.part2.rar

具體的內容請下載附件啊,太大分成了2部分