蜂集采集如何进行全站采集
今天给大家带来一个超级简单的抓取全站的教程，文末有小福利哦～
话不多说，我们开始吧！
第一步：设置列表规则
想要抓取全站，就需要一个能够不断获取站内链接的列表页规则。一般来说，一个好的网站是利于蜘蛛抓取的，通过一个入口就可以找到站点内所有的文章链接，因此列表页的规则就是匹配文章地址。
列表规则默认会获取当前页面上所有的链接，我们需要做的就是通过一系列的规则把需要的网址提取出来，不需要的网址剔除掉。
以lz13为例，它所有的文章链接都以.html结尾，所以我们的网址包含规则里写上.html，为了不让蜘蛛乱爬，我们限制蜘蛛在这个站点内爬行，因此网址还需要包含lz13.cn，规则就是.html&&lz13.cn。这里的&&表示且，意思就是一个链接需要同时满足这两个条件才会被匹配到。
抓取全站的重点就在于终止列表获取这个选项，不勾选表示所有的地址都会使用这个规则，这样就能源源不断获取新的链接，达到抓取全站的目的。
比如我们使用首页测试一下抓取，可以看到下面抓取了很多链接
我们再用内部文章页面测试抓取，可以看到下面依然有新的链接
第二步：设置正文规则
如果你懂XPath或者正则，那么写一个抓取正文的规则是一件很容易的事情。这里以XPath为例。
如果你会XPath，那么可以看到下面的正文实际上是被PostContent这个class包住，那么XPath长这样 //*[@class=”PostContent”]。如果不会，可以直接从浏览器复制xpath，长得可能不太一样。具体方法可以参考：如何利用浏览器复制XPath
其他的字段同理可以这样获取，设置好抓取规则，添加任务，运行起来就可以抓取全站了！
小福利
为了让大家更好地理解如何做全站采集，这里把上面做的采集规则分享出来，大家可以去网盘下载。
地址 https://pan.baidu.com/s/1TjgMPCXGvJfC9aQqRZNSNw
密码 r7rg
如果链接过期，可以加群175991304，找群主获取即可！
你可能还喜欢下面这些文章
wordpress支持采集吗
wordpress支持采集吗？ wordpress本身并没有采集功能，不过可以通过插件来实现采集功能，目前wordpress上比较好的采集插件是imwprobot(蜂集采集)，可以实现全自动采集，虚拟主机也可以运行。 首先需要安装网站采集插件，前往imwprobot（蜂集）可以下载，注意需要安装两个插件哦～
蜂集采集器，一款全自动的wordpress采集插件
imwprobot（蜂集）是一款wordpress采集插件。 有什么功能1. 全自动无人值守，支持定时采集2. 可自动同步目标站的更新3. AI自动关键词、自动摘要生成4. 直接发布到wordpress，不需要额外的接口支持5. 正文图片和缩略图均可本地化6. 每个任务中的文章图片均可设置独立水印7. 采集到的内容均支持正则和css选择器替换可以采集哪些站1. 新闻资讯站2. 文章范文站3. BBS论坛4. 博客站点5. 资源站、下载站支持哪些采集规则1. 正则表达式2. XPath规则3. JQuery选择器（CSS选择器）代理支持1. HTTP代理 2. Socks5代理 哪些主机可以运行没有环境限制，虚拟主机都可以运行蜂集特色
蜂集采集器视频逐字稿
欢迎使用蜂集采集器，现在给大家分享蜂集采集器的使用教程。 接下来可以开始创建一个采集任务了，还是以lz13为例子，添加任务名称，添加入口地址，入口页面间隔可以不用改，正文抓取间隔可以不用改，选择采集模块，选择发布模块，选择草稿，任务选择暂停，后面我们测试好了再选择自动执行。
imwpcache如何使用ssi技术在所有页面展示最新文章
前段时间有个朋友说用了缓存插件之后蜘蛛抓取变少了。 当使用缓存之后，所有的页面都是静态的，发了新的文章之后不会在旧的页面的侧边栏展示。 为了解决这个问题，imwpcache使用ssi技术来展示最新文章。 第一步：缓存后台开始SSI
蜂集采集器如何开启进程模式
从1.3.6.2之前，运行模式是用户访问或者蜘蛛访问会触发采集，不过对于没有用户访问的新站来说这并不友好，于是后续的版本的蜂集增加了进程模式！ 当前的进程在windows和linux上均可使用，不过windows上没有测试，可能会存在一些问题，如果有问题的话请先停止进程并且将蜂集的采集模式改回用户触发，然后向作者反馈。
蜂集采集插件如何注册账户
蜂集采集器是一款wordpress下全自动采集插件，如果您还没有下载，可以去蜂集采集器页面下载该插件。 注册账户之后，您将会得到api key，api token, api secret这三个信息。
蜂集设置采集分页列表方法
蜂集采集器可以采集任意结构的网页，包括分页列表。 首先我们需要找到分页链接和其他链接不一样的地方，例子中的分页的链接都有“page”这个单词而其他的链接都没有这个单词，那么我们在列表规则中的链接包含框填上“page”，这样就可以采集到所有的翻页链接，如下图：
微信赞赏
支付宝赞赏
