[已解决]按关键词采集，百度最新新闻，然后直接发布的吗

wuchiren

求一个规则，

按关键词采集，百度最新新闻，然后直接发布

发布的部分写好了的，就不知道采集的怎么写。
谢谢

最佳答案

月排行榜 / 总排行榜

刺客

2018-6-10 21:14:21

可能会采到重复的文章，所以暂时不好弄。

已记录这个问题，后面支持

跳转到最佳答案楼层

刺客

可能会采到重复的文章，所以暂时不好弄。

已记录这个问题，后面支持

雪海蜘蛛

帮你顶一下帖子

wuchiren

雪海蜘蛛 发表于 2018-6-11 10:29
帮你顶一下帖子

谢谢

枯叶少洛阳

沙发~支持楼主

wuchiren

刺客 发表于 2018-6-11 12:16
可能会采到重复的文章，所以暂时不好弄。

已记录这个问题，后面支持

老大，不怕重复的呢，怎么搞？
下面，这个只能采集百度搜索结果把。不能采集链接里面的内容吧


--百度知道网址采集规则，3.7.5.3编写，2017-01-13
[采集来源1]https://zhidao.baidu.com/search?word=%CA%B2%C3%B4%C5%C6%D7%D3%B5%C4%B7%C0%C9%B9%CB%AA%BA%C3&ie=gbk&site=-1&sites=0&date=0&pn={页码}0[/采集来源1]
[采集正则1]<a href="(.*?)" target="_blank" class="f-light nod" data-log="pos:ans,si:[/采集正则1]

[采集页数]3[/采集页数] --请自行修改要采集的页数
[开始页码]0[/开始页码]
[页码频率]1[/页码频率]
[采集延时]100[/采集延时]
[采集编码][/采集编码]
[保存顺序]0[/保存顺序]
[采集替换][/采集替换]
[采集库]{采集正则1}[/采集库]

MR独白

围观团

刺客

wuchiren 发表于 2018-6-11 15:48
老大，不怕重复的呢，怎么搞？
下面，这个只能采集百度搜索结果把。不能采集链接里面的内容吧

这个只是采集的，并不能直接调用文章标题和内容用来发帖，需要后面版本支持的。

1. --4.2.8.5编写，2018-06-11，刺客ok
   
2. 
   
3. [文章采集]开启[/文章采集] --文章采集必须加
   
4. --采集某板块标题和内容
   
5. [采集来源1]http://www.discuz.net/forum-2-{页码}.html[/采集来源1]
   
6. [采集正则1]</em> <a href="(.*?)" onclick="atarget\(this\)" class=[/采集正则1] --置顶帖不采集
   
7. [采集来源2]http://www.discuz.net/{采集正则1}[/采集来源2] --上面正则提取到的网址是 thread-3841138-1-3.html ，所以这里要补全
   
8. [采集正则2]<span id="thread_subject">(.*?)</span>[\s\S]*?<table cellspacing="0" cellpadding="0"><tr><td class="t_f" id="postmessage_.*?">([\s\S]*?)/td></tr></table>[/采集正则2] --正则2是文章采集用的，匹配标题+内容
   
9. [采集页数]3[/采集页数] --请自行修改要采集的页数
   
10. [开始页码]1[/开始页码]
    
11. [页码频率]1[/页码频率]
    
12. [采集延时]100[/采集延时]
    
13. [采集编码]gbk[/采集编码]
    
14. [保存顺序]0[/保存顺序]
    
15. [采集过滤][/采集过滤]
    
16. --文章采集结果保存在： tools\采集规则\文章
    
17. --[采集库]{采集正则2匹配1}【我只是间隔符。。】{采集正则2匹配2}[/采集库] --文章模式不要这个

复制代码

wuchiren

刺客 发表于 2018-6-11 17:53
这个只是采集的，并不能直接调用文章标题和内容用来发帖，需要后面版本支持的。

我这个需求可能没这么复杂

只要采集1条最新的新闻，放到 文档目录底 下就可以了，应该怎么改呢

wuchiren

1. --4.2.8.5编写，2018-06-11，刺客ok
   
2. 
   
3. [文章采集]开启[/文章采集] --文章采集必须加
   
4. --采集某板块标题和内容
   
5. [采集来源1]http://search.sina.com.cn/?c=news&ie=utf-8&q=%E6%96%B0%E5%AA%92%E4%BD%93&from=world[/采集来源1]
   
6. [采集正则1]<h2><a href="(.*?)" target=[/采集正则1] --置顶帖不采集
   
7. [采集来源2]{采集正则1}[/采集来源2] --上面正则提取到的网址是 thread-3841138-1-3.html ，所以这里要补全
   
8. [采集正则2]<title>(.*?)</title>[\s\S]*?<div class="article" id="article">([\s\S]*?)正文 end[/采集正则2] --正则2是文章采集用的，匹配标题+内容
   
9. [采集页数]3[/采集页数] --请自行修改要采集的页数
   
10. [开始页码]1[/开始页码]
    
11. [页码频率]1[/页码频率]
    
12. [采集延时]100[/采集延时]
    
13. [采集编码]gbk[/采集编码]
    
14. [保存顺序]0[/保存顺序]
    
15. [采集过滤][/采集过滤]
    
16. --文章采集结果保存在： tools\采集规则\文章
    
17. --[采集库]{采集正则2匹配1}【我只是间隔符。。】{采集正则2匹配2}[/采集库] --文章模式不要这个

复制代码

怎么不保存新闻内容呢，奇怪这是什么情况