第二步：内容页采集规则配置

2.1 通用字段匹配

打开目标站任意内容页，用F12定位每个字段的标签，按以下规则填写：

• 文章定位标题标签，例如

  XXX

  ，开始标记填

  ，结束标记填

• 作者/来源：定位对应标签，规则同上，若目标站无对应字段，可在默认值栏填写「佚名」「转载」
• 发布时间：定位时间标签，规则同上，同时勾选「自动转换日期格式」选项，系统会自动匹配DedeCMS的时间格式
• 缩略图配置：勾选「提取内容第一个图片为缩略图」，无需手动上传缩略图
• 远程资源配置：勾选「下载远程图片到本地」，避免目标站图片失效或盗链限制

2.2 正文内容过滤配置

正文是最容易出现冗余内容的字段，按以下规则配置：

• 正文开始/结束标记：定位正文外层容器，填写对应开始、结束标记，规则和列表区域配置一致
• 冗余内容过滤：点击「添加过滤项」，把正文中的广告、分享按钮、相关推荐等无关内容的开始、结束标记填入，支持添加多条过滤规则，所有无关内容都要添加过滤，避免生成无效内容
• HTML标签保留：在「允许的HTML标签」栏填写需要保留的标签，默认保留

  

  • 等常用排版标签，不需要可清空自动转纯文本

  第三步：采集测试与批量入库

  3.1 单条测试验证

  配置完所有规则后，必须先做单条测试，不要直接批量采集：点击节点右侧的「测试」按钮，先测试列表页，确认能正常获取到内容页链接，再任选一条链接测试内容采集，检查每个字段是否正确、有没有乱码、有没有多余内容，若有问题回到对应配置项调整标记，直到测试完全正常。

  3.2 批量采集导入

  测试通过后，回到采集节点列表，点击节点右侧的「采集」按钮，选择「采集所有未采集链接」，等待采集完成后，点击「导出内容」，选择要导入的目标栏目，勾选是否自动生成HTML，提交后即可将采集的内容全部导入对应栏目。

  常见问题排查

  • 采集返回空白：首先检查PHP版本是否在5.6~7.2范围内，allow_url_fopen是否开启，若目标站有防采集，在节点配置的「HTTP头」栏添加User-Agent，值为： ``` Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36 ```
  • 内容乱码：确认目标站编码和节点配置的编码一致，可在页面源码meta标签的charset属性查看对应编码
  • 图片无法下载：检查uploads目录权限是否为755，是否勾选了「下载远程图片到本地」选项
  • 重复内容：在节点配置中开启「重复内容检测」，选择按标题或URL检测，重复内容自动跳过