船说 CMS 采集怎么配置

照着这篇做完，你就能在船说 CMS 后台跑通一条完整的采集链路：从建节点、写规则，到测试入库、定时采集，全程不用改代码。

第一步：确认环境支持，找到后台入口

这一步要确认服务器能对外发请求，否则规则写得再对也采不到东西。默认后台入口是 你的域名/admin.php，登录后进入 系统 → 系统信息，检查两件事：PHP 版本建议 7.4 或 8.0 以上；扩展列表里要有 curl。如果没有 curl，去 系统 → 配置管理 → 基本设置 里确认 allow_url_fopen 是否开启，或者让运维在 php.ini 里打开 extension=curl。

注意：部分虚拟主机默认禁用 allow_url_fopen，采集时会提示「无法获取目标页」，先查这里再查规则。

第二步：新建采集节点

这一步要创建一个「采集任务容器」，所有规则都挂在它下面。进入后台左侧菜单 采集管理 → 采集节点，点右上角 添加节点。需要填的字段：

• 节点名称：随便起，比如「某某文章站」
• 目标站编码：选 UTF-8 或 GBK，选错会全站乱码
• 采集类型：选 列表页 + 内容页

保存后节点会出现在列表里，此时还是空的，接下来填规则。

第三步：配置列表页规则

这一步要告诉系统「去哪一页、抓哪些链接」。点节点右侧的 编辑，切到 列表页设置 标签页：

• 列表页地址：支持翻页占位符，写成 https://www.example.com/news/list_[页码].html
• 翻页范围：填 1 到 10，表示采前 10 页
• 区域截取：在「开始字符串」填列表容器的起始标签，如 <ul class="news-list">，「结束字符串」填 </ul>
• 链接规则：正则模式填 <a href="(.*?)"，或者用字符串模式填 <a href=" 和 " 前后截取

填完点 测试列表，能看到抓回来的链接列表就说明列表页通了。

注意：占位符必须是英文方括号 [页码]，中文的【页码】不生效；如果目标站第一页是 index.html、后面才是 list_2.html，把起始页设为 1 后单独在规则里做替换。

第四步：配置内容页规则

这一步要提取标题、正文、时间、图片这些字段。切到 内容页设置 标签页，每个字段都用「开始字符串 / 结束字符串」或正则来定位。用浏览器 F12 找到目标元素，把包裹它的唯一标签复制进去，例如标题填 <h1 class="title"> 和 </h1>。

关键几项：

• 正文：填正文容器的开闭标签；下方 过滤 HTML 标签 一般不要全勾，保留 p、img、br 即可
• 发布时间：若目标站写的是「2024-05-01」，字符串模式填 <span class="time"> 和 </span>；时间格式选 Y-m-d
• 缩略图：勾选 下载远程图片，图片保存目录填 /uploads/collect/，并在「图片域名前缀」里补上相对路径域名

第五步：设置入库参数

这一步决定采回来的内容长什么样。切到 入库设置：

• 目标栏目：下拉选你建好的栏目
• 审核状态：建议先选 待审核，确认质量后再改 已审核
• 发布时间：可勾选「随机间隔」，填 30 到 120 秒
• 重复数据处理：选 跳过 或 更新
• 内容替换：可加关键词替换规则，比如去掉来源站的版权声明

第六步：测试并正式采集

这一步是整个流程的验收环节。回到 采集管理 → 采集节点，点节点右侧的 测试采集，系统会抓前 3 条并展示预览。标题、正文、图片都正常后，点 开始采集，填本次采集条数，比如 50 条。

进度在 采集管理 → 采集日志 里看，遇到失败会写明原因，多数是规则没匹配上或目标页超时。

注意：采集速度别拉满，把「采集间隔」设成 1–3 秒，否则容易被目标站封 IP。

第七步：配置定时采集

这一步让采集自动跑。如果是宝塔面板，进入 计划任务 → 添加任务，类型选「访问 URL」，URL 填后台提供的采集触发地址（在采集节点列表页通常有「定时采集地址」可复制），执行周期设成每天凌晨 3 点。服务器层面也可以用 crontab 加一条 curl 命令实现同样效果。

小结

• 采集能不能跑通，第一步先看 curl 扩展和 allow_url_fopen
• 节点里的「目标站编码」选错，全站乱码
• 列表页规则靠「区域截取 + 链接正则」，内容页规则靠每个字段的「开始/结束字符串」
• 入库时把审核状态设成「待审核」，别让垃圾内容直接上线
• 采集间隔设 1–3 秒，自动采集交给计划任务