編輯“Siteserver-信息采集管理-信息采集概述”

<span style="text-align:center; border:1px solid #000; float:right; padding:6px;"><strong>導(dǎo)航:</strong> [[Siteserver使用教程|上一頁]]</span>
<div style="clear:both;"></div>

'''信息采集概述'''

[[Web]]是一個巨大的資源寶庫，目前頁面數(shù)目已超過400億，每小時還以驚人的速度增長，里面有你需要的大量有價值的信息，例如潛在客戶的列表與聯(lián)系信息，競爭產(chǎn)品的價格列表，實時金融新聞，供求信息，論文摘要等等。 可是由于關(guān)鍵信息都是以半結(jié)構(gòu)化或自由文本形式存在于大量的[[HTML]]網(wǎng)頁中，很難直接加以利用。

[[SiteServer]] [[CMS]] 信息[[采集]]功能的主要目標(biāo)就是解決[[網(wǎng)絡(luò)]]信息的采集問題，系統(tǒng)通過一些定制的采集邏輯，自動從指定網(wǎng)站或[[數(shù)據(jù)庫]]中獲取內(nèi)容并保存到[[網(wǎng)站]]中。

'''一、主要功能'''

SiteServer CMS 提供強大的信息采集功能[[模塊]]，用戶只需要告訴系統(tǒng)目標(biāo)網(wǎng)頁并簡單地設(shè)置頁面規(guī)則，很快就可以直接得到所需要的數(shù)據(jù)了。 

[[Image:Siteserver0199.gif]]

除了典型的Web頁面信息采集外，系統(tǒng)還提供數(shù)據(jù)庫信息采集與單文件頁采集功能：
#Web頁面信息采集用于自動從指定網(wǎng)站中獲取內(nèi)容；
#數(shù)據(jù)庫信息采集用于自動從指定數(shù)據(jù)庫中獲取內(nèi)容；
#單文件頁采集用于將指定網(wǎng)頁采集到本地的對應(yīng)文件中。

'''二、系統(tǒng)特點'''

* 結(jié)果數(shù)據(jù)高度準(zhǔn)確
* 對目標(biāo)網(wǎng)站進(jìn)行信息自動抓取，支持HTML頁面內(nèi)各種數(shù)據(jù)的采集，如文本信息、圖片、附件、日期等
* 用戶對每類信息自定義來源與分類
* 可以下載圖片與各類文件
* 支持定時任務(wù)，可以與SiteServer CMS 定時模塊相配合，定期抽取目標(biāo)網(wǎng)站
* 支持記錄唯一索引，避免相同信息重復(fù)入庫
* 支持智能替換功能，可以將內(nèi)容中嵌入的所有的無關(guān)部分如廣告去除
* 支持下一頁自動瀏覽功能 
* 支持?jǐn)?shù)據(jù)的多種后期處理方式 
* 數(shù)據(jù)直接進(jìn)入數(shù)據(jù)庫而不是文件中，因此與利用這些數(shù)據(jù)的網(wǎng)站程序或者桌面程序之間沒有任何耦合
* 支持?jǐn)?shù)據(jù)庫表結(jié)構(gòu)完全自定義，充分利用現(xiàn)有數(shù)據(jù)庫結(jié)構(gòu)
* 支持多個欄目的信息采集可用同一配置一對多處理
* 保證信息的完整性與準(zhǔn)確性，絕不會出現(xiàn)亂碼 

'''三、運用行業(yè)'''

通過信息采集功能，用戶將在信息來源，資源整合方面節(jié)約大量的人力與資金。廣泛應(yīng)用于門戶網(wǎng)站，新聞媒體，科研單位、企業(yè)網(wǎng)站等領(lǐng)域。


==參考資料==
*[http://help.siteserver.cn SiteServer官方]

[[category:SiteServer|S]]