一款全自动的wordpress采集插件：imwprobot

imwprobot是一款wordpress采集插件。这款插件使用智能网页结构分析算法，只需要添加一个网站首页或者一个列表页的url，就能够遍历该站点，自动获取该站的所有网页内容。

详细介绍

imwprobot是imwpweb开发的一款全自动的智能采集插件，和其他的采集工具不同的是，imwprobot本身已经完成了大部分工作，你需要的仅仅是找到一个或者多个采集站点，添加一个url就可以开始采集。

imwprobot可以在没有任何规则下识别绝大多数网站的标题和正文，可以说是市面上使用最简单的采集器之一。当然，你可以添加你的规则，让采集器根据你的指令采集你想要的东西。

功能列表

1. 全自动工作流程
2. 自动识别文章标题
3. 自动识别正文内容
4. 支持过滤文章中的链接，图片，列表，表格，表单等杂音
5. 支持修复网页中错乱的html
6. 支持图片本地化，突破防盗链
7. 采集的文章可以指定发布分类，可以指定标签，可以指定发布作者
8. 可以自定义采集文章的状态，可选的是草稿和已发布，满足不同人对采集的需求
9. 支持自定义文章关键词替换

工作流程

1.添加一个url

填入任务名称，任务url，执行频率。执行频率是以秒为单位，添加之后，这个任务会一个小时（3600s）执行一次。帮助你及时，自动的更新网站。

添加完成之后，我们拉到下面，有测试采集和保存两个选项

可以对任务文章执行一些过滤器，过滤文章中不需要的内容，比如链接（包括文字链），比如列表，比如一些风格不好的html代码，以及一些干扰性的文字，这些都是无法在本地直接完成的，需要服务端才能够执行。

我们可以首先可以测试执行，看看能不能采集到我们想要的url列表

发现采集的里面含有一些我们不需要的内容，我们需要的仅仅是文章页面，那么可以对url进行过滤，上面对过滤选项有几个很灵活的配置，通过组合，一定能够选择出你所需要的内容，比如url包含，url不包含，标题包含，标题不包含，标题最小长度，标题最大长度。一般来说，标题长度太短，则不是文章标题，太长，我们就可能采集到了以摘要为链接的伪标题了。

这里可以看到url中都含有aritle，那么url包含中可以填入article，就能采集到我们想要的文章。保存之后，就可以不用管了~喝杯咖啡，去看看书，都行。当然，你还可以继续探索下去。

2.继续探索，手动执行任务

进入定时列表任务，我们可以手动执行任务。

点击手动执行之后，上面抓的文章才算进入了我们的待采集文章库！

任务都是自动执行的，可以不用去管了。如果很好奇到底能不能获取到文章，那么我们可以手动执行一次看看

哈，执行成功了，文章已经被采集下来了！没有对文章进行任何的规则设定，一切都是在服务端完成。

你需要申请一个API KEY

为了防止被滥用，你需要申请一个API KEY作为你的身份标志。

插件下载