dede采集图片教程，如何实现自动抓取？

第三步：配置高级采集规则（关键步骤）

这是决定采集成败和质量的最重要的一步,你需要点击刚刚创建的节点，进入详细配置页面。

1. 进入节点详情

   • 返回“一键采集”主界面，你刚刚创建的节点会出现在列表中，点击该节点右侧的 “修改” 或 “选择” 按钮，进入高级规则设置页面。

2. 设置列表规则

   • 在“列表规则”标签页，系统已经自动填充了部分内容，你需要手动调整和确认。
   • 文章列表起始链接：确认是你的列表页 URL。
   • 文章链接：这是最关键的规则之一，它告诉 DedeCMS 如何从列表页中找到文章的 URL。
     • 选择匹配：通常选择“使用正则表达式”。
     • 填写正则：在列表页源码中，找到文章链接的共同规律，所有文章链接都包含 /article/ 且以 .html
     • 示例正则：<a href="([^"]*\.html)"[^>]*>([^<]*)</a>，这个正则表示：查找所有 <a> 标签，并捕获其 href 属性值（以 .html 和标签内的文本（即文章标题）。
     • 点击“测试”：输入一个列表页 URL，点击“测试”，看下方是否能成功提取出文章链接，如果提取出的是一堆代码，说明正则表达式有误，需要反复调试。

3. 规则

   • 切换到“内容规则”标签页，这里是配置如何从文章详情页抓取正文内容。
   • 目标网址：系统会自动使用上一步获取的文章链接。
   • ：
     • 匹配方式：选择“使用正则表达式”。
     • 填写正则：在目标文章页源码中，找到 <title> 标签，如果标题是 <title>这是一个美丽的图片 - 网站名称</title>，正则可以写成：<title>([^<]*?) - 网站名称</title>。([^<]*?) 是一个非贪婪匹配，会捕获“这是一个美丽的图片”。
   • ：
     • 匹配方式：选择“使用选择器”或“使用正则表达式”。强烈推荐使用选择器，因为它更稳定。
     • 如何获取选择器：
       1. 在浏览器中打开目标文章页。
       2. 右键点击正文区域的任意一张图片,选择“检查”。
       3. 在开发者工具中,找到包含所有图片的那个 <div> 或 <article>
       4. 右键点击该标签,选择 Copy -> Copy selector。
       5. 将复制的选择器粘贴到 DedeCMS 的“内容选择器”输入框中，可能是 .post-content 或 div.article-body。
     • ：
       • 只采集包含指定关键字的列表：可以留空。
       • ：勾选此项，可以排除掉不需要抓取的部分，如页脚、广告、评论区等，你可以填写多个选择器，用英文逗号隔开。.footer, .ads, .comment。
       • ：可以写一些要过滤掉的 HTML 标签或文字，如 <script>, <iframe>, “广告”等。

4. 设置图片规则（本教程核心）

   • 切换到“图片规则”标签页，配置如何处理正文中的图片。
   • 是否采集图片：务必勾选此项！
   • 图片本地化：务必勾选此项！ 这是将远程图片保存到你自己服务器的关键。
   • 图片保存目录：设置图片保存的相对路径。uploads/images/，DedeCMS 会自动在 uploads 目录下创建子目录。
   • 图片标签：告诉 DedeCMS 正文中的 <img> 标签在哪里。强烈建议使用“选择器”，填写你在“内容规则”中找到的那个正文区域的选择器（.post-content），这样 DedeCMS 就只会在正文区域内查找图片，而不会去采集页头、页脚的图片。
   • 图片替换规则：
     • 替换远程图片地址：勾选此项，DedeCMS 会将 <img> 标签里的 src 属性值替换为你本地服务器上的图片地址。
     • 缩略图处理：勾选此项，可以设置生成缩略图，你可以设置缩略图的宽度和高度（200x150），系统会自动裁剪并生成缩略图。
   • 图片命名规则：设置本地图片的文件名，可以使用 {随机字符串}、{时间戳} 等，避免重名。{rand:6} 表示生成6位随机字符。