```

详情页字段匹配

分别配置标题、正文、发布时间、作者等字段的唯一起止标识，标题匹配示例为起止标识分别填写```

```与``````，正文匹配同理选择内容区块的专属class属性作为标识。开启自动下载远程图片到本地功能，避免后续目标站点资源失效导致本站图片丢失。可自定义过滤规则，批量删除目标页面的外部链接、广告代码、无关推荐内容。

批量采集执行与入库

配置完成后点击测试采集，验证3-5条内容的匹配准确性，确认字段无缺失、无多余内容后，点击开始采集执行批量抓取。采集完成后选择批量导出-全部导出到对应栏目，系统将自动生成静态页更新站点内容。日均采集量超过2000条的站点，建议分时段执行采集，避免占用过多服务器带宽被服务商限流。

针对新手用户，可选择织梦采集侠等成熟第三方插件，直接导入同行业预设采集规则，无需手动编写正则匹配代码，采集准确率比手动配置平均高15%左右，支持自动定时采集、自动伪原创、自动标签生成等扩展功能。

常见问题排查与优化方案

采集内容空白或不完整

90%以上的此类问题源于规则起止标识选择了非唯一HTML节点，解决方案是重新通过开发者工具定位目标字段的专属id或class属性，避免用div、p等通用标签作为匹配标识。若目标站点开启了反爬机制，可在采集配置中添加浏览器UA标识、设置1-3秒的采集间隔，降低被反爬拦截的概率。

采集超时或中断

常见原因是单次采集数量过大、服务器PHP执行时间限制，解决方案是修改php.ini配置，将max_execution_time调整为300，post_max_size调整为32M，单批次采集数量控制在200条以内。云服务器用户可临时提升带宽峰值，提升采集速度。

采集内容重复

开启采集节点的标题重复检测功能，系统将自动跳过已存在相同标题的内容。若已经入库重复内容，可执行以下SQL语句批量删除：

``` DELETE FROM dede_archives WHERE title IN (SELECT title FROM (SELECT title FROM dede_archives GROUP BY title HAVING COUNT(title)>1) AS a) AND id NOT IN (SELECT id FROM (SELECT MIN(id) AS id FROM dede_archives GROUP BY title HAVING COUNT(title)>1) AS b); ```

安全与合规注意事项

禁止采集受版权保护的原创内容、涉敏涉黄涉赌违规内容，避免引发民事侵权责任甚至行政、刑事风险。采集完成后需人工抽检至少10%的内容，排查违规信息，提前在织梦后台配置敏感词库，开启采集内容自动过滤敏感词功能。

定期清理采集产生的冗余缓存文件，每7天进行一次数据备份，避免采集异常导致站点数据丢失。针对公网运营站点，建议将采集任务设置在凌晨低峰时段执行，避免影响正常用户访问速度。