WordPress本来是一个博客,但是由于功能强大、用户众多,发展到现在Wordpress已经成为了一个CMS平台了,甚至有一些企业建站都用了Wordpress,真的是无处不在。Wordpress用于采集建站一直以来做垃圾站的朋友都在采用。
一来是Wordpress的本身的SEO做得挺不错的,有利搜索引擎收录和SEO排名;另一方面则是Wordpress还有非常多的强大插件,利用Wordpress采集插件不需要多么复杂的配置,新手也可以搭建一个每天自动采集和自动发布的网站,放点小广告“坐收渔利”。
WordPress采集插件非常多,但是基本上都是付费的,这篇文章主要来分享一下新出的Wordpress采集插件-胖鼠采集,开源免费, 支持所有网站列表详情页面,它有列表批量自动采集,自动发布,自动打标签等功能,可以用于采集微信公众号、简书以及其它各类网站。
关于收集和采集信息自动化,你还可以看看:
PS:2020年3月23日更新,好的插件还需要好的主题,国外的Wordpress主题市场比较成熟,我们可以试试: WordPress付费主题平台AppThemes:主题购买,安装,升级及问题 。
插件:
WordPress胖鼠采集插件建议使用PHP 7,如你的PHP版本小于PHP7, 请移步胖鼠采集的Github下载使用胖鼠v5版本 分支名: based_php_5.6,系统要求如下:
PHP >= 5.6
QueryList v4 版
Mysql 无要求
Nginx 无要求
WordPress胖鼠采集插件主要功能如下:
微信公众号文章采集 、简书文章采集 、列表页面文章批量采集 .
详情页面文章采集 、分页爬取 – 历史数据, 也不放过. 一网打尽
自动采集、自动发布 、文章自动添加动态内容 优化SEO.
自动打标签 Auto Tags、文章过滤 、自动特色图片 .
内容关键字过滤替换 伪原创 、自定义采集任何网站 .
WordPress胖鼠采集插件主要有如下版块:
① 爬虫模块, 先锋 配置模块的各种特色配置来猎取数据.
② 配置模块, 支撑 爬虫模块为他提供采集规则核心能量.
③ 数据模块, 数据 此模块拥有胖鼠各种特色发布功能.
安装Wordpress胖鼠采集插件后如下图:
在
采集完成后,你就可以到数据中心查看已经采集到的文章了,这里就可以点击发布了。(点击放大)
WordPress胖鼠采集插件采集和发布文章效果还是不错的。
这是Wordpress胖鼠采集插件采集文章的详情页面,完整地把网站的文章采集过来了。
采集完成后就可以发布采集过来的微信公众号文章了。如下图:
然后填写采集地址、范围、采集规则等,如下图:
一般来说采集规则需要经常多次的测试才能成功,所以在新建规则前我们先打开插件的Debug模式,在Chrome浏览器审查元素的网络一栏查看具体结果。
采集范围就是Wordpress胖鼠采集插件要采集的URL列表,wzfou.com首页的最新文章的标题都是用H2+UR
L形式嵌套成的(点击放大)。
所以我这里采集范围填写的是:#cat_all >.news-post.article-post > .row > .col-sm-7 > .post-content > h2
,这个路径也不需要自己手动,直接在Chrome审查元素最下方可以看到,注意看上图。
在列表采集规则写: a:eq(0) href
,href
意思选择a
标签的 href
属性(就是URL),我们用 Jquery 的 eq 语法 a:eq(0)
意是取H2
区域的 第一个 a
。注:代码中从 0 开始(只有一个 a标签 可以只填 a 即可),如果目标站链接是相对链接。程序会自动补全的。
在Debgu模式下,我们可以看到获取到了wzfou.com首页最新文章栏目下所有文章的URL地址了。
上面我们已经采集了列表下的所有的URL,接下来我们就需要采集该URL下的文章内容了。打开wzfou.com某一个文章,我们发现标题在.title-post里面,文章内容在.the-content
。而标题和内容全部在 .single-post-box
下。
标题。现在我们可以将采集标题的规则写成如下了:范围为 .single-post-box
,选择器为.title-post
,属性为text
。
在Debug模式下可以看到我们成功获取到了文章标题。
内容。采集内容的规定写成:范围为 .single-post-box
,选择器为.the-content
,属性为html
。如下成功获取文章内容。
最后,采集wzfou.com最新文章栏目下的所有的文章规则如下:(点击放大)
在采集中心,点击我们刚刚配置好的列表采集配置。
稍等一会儿,Wordpress胖鼠采集插件就将wzfou.com最新文章全部采集过来了。
点击发布,采集成功。
WordPress胖鼠采集插件必填参数有三个:
link 采集链接 一般是取 a 标签的 href 属性
title 标题 一般取详情页的 h1 标签的 text 文本属性
content 内容 一般取详情页面的 .content 标签 里面 html 属性。
WordPress胖鼠采集插件属性解释如下:
href 基本指 a 标签的 href 属性(这个属性存储的是点击后跳转地址)
text 取区域的文本 ,一般用于标题
html 取区域的所有的html 一般用到取内容,内容比较多。且内容有排版里面有 image css js 很多东西 。所以要拿到所有的原始html
jQuery 选择器几个如:first、:last、:odd等在下文的内容过滤中非常有用,大家可以熟悉一下。
正文内容中包含了作者信息、广告、版权声明等这些无用信息,我们需要从正文内容中过滤掉这些内容,标签过滤怎么用呢?基本方法如下:
a 就是去除掉区域所有a标签跳转功能。保留文字 。
-a 删除a标签 包括删除a标签里面包含的内容 (不建议使用,因为有些图片是在a里面的 删除a 里面的 图片也没了。)
-div 删除所有div
-p 同上
-b 同上
-span 同上
-p:first 删除第一个 p标签
-p:last 删除最后一个 p标签
-p:eq(-2) 删除倒数 二个p
-p:eq(2) 删除正数 二个p
例如我写的过滤规则:-div#ftwp-container-outer -div#sociables -div.uc-favorite-2.uc-btn -p:last -ol:first
,意思是删除#ftwp-container-outer 、#sociables、.uc-favorite-2.uc-btn
三个Div的内容,同时也删除最一个P和第一个ol列表。
Wenprise Pinyin Slug
WordPress胖鼠采集插件设置的标题含有文,我们可以使用Wenprise Pinyin Slug,让WordPress自动把文章别名修改为英文或者拼音。
Simple Tags
WordPress胖鼠采集插件已经自带了自动标签功能,如果你觉得不好用可以使用WP自动标签插件Simple Tags,自动为你的文章生成标签,自动添加链接地址等等。
Quick Featured Images
Quick Featured Images可以帮助你为自动采集和发布的文章设置特色图片。
插件:
WordPress胖鼠采集插件可以设置自动采集频率。
WordPress胖鼠采集插件也可以设置自动发布间隔。
想要改变自动采集和自动发布的时间,你可以使用
WordPress胖鼠采集插件功能非常强大,只要你要采集的页面不是Ajax的就可以使用Wordpress胖鼠采集插件自动采集和发布文章,为了防止被搜索引擎发现你还可以替换链接、关键字,在页面前后插入一定的内容,形成“伪原创”。
WordPress胖鼠采集插件目前没有监控功能,即无法实际某一个网站内容有更新时自动去采集,我们可以利用规则来写进去,一般来说wzfou.com第一篇文章就是最近更新的文章,这时我们可以把采集范围缩小到第一个H2区域,写法如下:
#cat_all > div:nth-child(1) > div > div.col-sm-7 > div > h2
文章出自:挖站否 https://wzfou.com/wp-pangshu-caiji/,版权所有。本站文章除注明出处外,皆为作者原创文章,可自由引用,但请注明来源。部分内容参考自:fatrat.cn。
文章更新于: 2021年8月25日 下午5:22
查看评论
谢谢博主的分享,这个胖鼠采集部分网站会有乱码现象,但贵在价格便宜好用,需要更专业的采集可以用简数,功能更强大。xycost.com
这玩意儿要是再带一个自动翻译功能,接上deepl的api就超神了。themeforest上最火的那个采集插件,就很牛逼,可惜采集国内微信、知乎啥的还是太弱了。
微信采集不了,腾讯不让采集。
請問這種一個站,放廣告,大概一個月可以收多少錢。
貌似无法采集文章中的音频诶~
采不进去[生病]
audio代码采不进去
是的,不能采集音频。
看着很强大,我去试试
这个挺好的
这个采集工具挺方便的嘛,不知是否支持代理呢
好像不行,要国外的VPS。
dai理
测试看看
确实挺厉害的啊,测试的采集了挖站否几篇,有些格式还是不行,估计是规则没写好,过后就会删的哦
是的,很强大。
先马了。我记得之前有个啥采集插件,还是破解的,后来逐渐不太好用了。
这个可以用来做英文垃圾站了。