一、前置准备
确保你已经完成以下3项基础准备，缺一项会直接卡壳：
- 已安装并正常运行的迅睿CMS：推荐使用稳定的4.6.x或5.1.x版本，可直接从官方镜像站 https://mirrors.xunruicms.com/ 下载对应压缩包
- 至少1个已创建的内容模型：后台「内容」→「内容模型」，可以直接复制默认的「文章模型」修改使用
- 已登录的后台账号（需有内容管理+模型管理权限）：普通管理员或超级管理员均可
二、核心操作流程
1. 找到「手动采集」入口
登录迅睿CMS后台，点击左侧菜单栏「内容」→「采集」→「手动采集」，进入手动采集配置页。
2. 创建手动采集任务
点击页面右上角「添加任务」，弹出任务创建表单，按以下要求逐行填写：
- 任务名称：必填，比如“科技文章手动采集任务”
- 关联模型：必填，点击下拉框选择前置准备中创建的内容模型
- 关联分类：必填，点击「浏览」选择内容要发布到的分类，可多选但建议初期选1个测试
- 关联用户：必填，选当前登录账号或指定发布者账号
- 任务状态：默认「启用」即可
- 保存后返回列表：保持勾选
填写完成后点击「提交」，任务创建成功会自动跳回任务列表页，找到刚创建的任务，点击操作栏的「规则」进入采集规则配置（这是最关键的一步）。
3. 配置目标网页的采集规则
假设我们要采集的目标网页是某科技博客的单篇文章：https://example.com/tech/20240512-12345.html，先在浏览器打开这个页面，右键→查看网页源代码（或按F12打开开发者工具切换到「Elements」面板）。
第一步：测试目标网页可访问性
在规则配置页顶部的「测试URL」输入框中粘贴完整的目标单篇文章URL，点击右侧「测试」按钮。
- 如果显示“测试成功！”且下方出现目标网页的源代码片段，直接进入下一步
- 如果显示“无法访问”，检查URL是否正确、目标网站是否禁止抓取（可以尝试在「高级设置」→「请求头」添加User-Agent，比如：
Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36，再次测试）
第二步：配置基础字段采集规则
基础字段指内容模型自带的「标题」「摘要」「内容」「封面」等字段（不同模型可能有差异，以下以默认文章模型为例）。
规则配置采用XPath语法（最简单的抓取语法，不用深入学习，直接用浏览器开发者工具复制即可），操作步骤如下：
3.2.1 配置「标题」字段
- 回到浏览器开发者工具的「Elements」面板，点击左上角的箭头图标（或按Ctrl+Shift+C）
- 用鼠标点击目标网页的文章标题文字，开发者工具会自动定位到标题对应的HTML标签（比如：
这是测试文章标题
- 在定位到的标签上右键→Copy→Copy XPath，把复制的内容粘贴到规则配置页「标题」字段的「规则」输入框
- 点击「测试」按钮，右侧预览区如果显示正确的标题文字，说明规则配置成功
3.2.2 配置「摘要」字段
操作同「标题」字段，定位到目标网页的摘要文字对应的标签，复制XPath即可。如果目标网页没有摘要，可以留空，或者后续手动补。
3.2.3 配置「内容」字段
- 用箭头图标定位到正文的容器标签（通常是包含所有正文文字、图片的大标签，比如：
...
- 复制XPath粘贴到「内容」字段的「规则」输入框
- 勾选「内容」字段下方的「过滤HTML标签外的空格和换行」（可选，但推荐勾选，避免采集到的正文排版杂乱）
- 如果要过滤正文内的广告、版权声明等无关内容，可以在「替换规则」输入框中添加正则表达式（新手可暂时跳过）
- 点击「测试」按钮，右侧预览区如果显示完整且无多余内容的正文，说明规则配置成功
3.2.4 配置「封面」字段
- 用箭头图标定位到封面图片对应的
![]()
标签，复制该标签的XPath
- 在「封面」字段的「规则」输入框中粘贴XPath
- 在「封面」字段的「属性」输入框中填写：
src（因为图片地址通常放在src属性里）
- 点击「测试」按钮，右侧预览区如果显示完整的图片地址，说明规则配置成功
第三步：保存规则
所有基础字段配置完成后，点击页面底部的「提交」按钮，保存规则。
4. 执行手动采集
回到「手动采集」任务列表页，点击刚创建任务的操作栏的「采集」，弹出采集执行窗口：
- 输入URL：可以输入1个或多个目标单篇文章URL，多个URL用换行分隔（最多支持100个）
- 选择发布状态：推荐先选「待审核」，测试没问题后再选「已发布」
填写完成后点击「开始采集」按钮，等待几秒钟，采集完成后会显示“成功X条，失败Y条”的提示。
5. 查看采集结果
点击左侧菜单栏「内容」→「内容管理」，在顶部筛选栏选择「关联分类」「关联模型」「发布状态（待审核/已发布）」，即可找到刚采集到的文章。点击「编辑」可以查看或修改内容，确认无误后点击「发布」即可正式上线。
三、常见卡壳问题及解决方案
1. 测试URL显示“无法访问”
除了添加User-Agent外，还可以尝试：
- 检查目标网站是否需要登录：手动采集暂不支持登录后才能访问的内容
- 在「高级设置」→「请求超时」中把时间从默认的30秒改成60秒
- 检查服务器的防火墙是否禁止访问目标网站
2. 采集到的内容为空或不完整
- 重新用开发者工具定位标签，确保复制的XPath是完整且唯一的（不要定位到多个重复标签）
- 检查「内容」字段是否勾选了多余的过滤选项
- 如果目标网站的正文是动态加载的（滚动后才显示），手动采集暂不支持，需要用自动采集（带JS渲染功能）
3. 采集到的图片无法显示
- 检查图片地址是否是相对路径：如果是，在「高级设置」→「图片替换规则」中把相对路径转换成绝对路径（比如：查找
/uploads/，替换成https://example.com/uploads/）
- 检查目标网站是否禁止图片外链：如果是，需要开启「自动下载图片到本地」功能（后台「内容」→「采集」→「采集设置」→「基础设置」，勾选「采集时自动下载远程图片到本地」）
四、进阶优化（可选但实用）
1. 批量替换内容中的关键词
在规则配置页的「全局替换规则」中添加正则表达式，比如把所有的“测试”替换成“实战”：
查找：测试
替换：实战
点击「添加」按钮，再保存规则即可。
2. 自动设置文章发布时间
如果目标网页有明确的发布时间，操作同「标题」字段，定位到发布时间对应的标签，复制XPath，粘贴到「发布时间」字段的「规则」输入框，勾选「自动转换为时间戳」即可。
