正文

帝国CMS采集规则实战，从零搭建自动化内容站，新手也能秒变老站长

机房老炮
机房老炮 V管理员 /1 K阅读/3评论
0719
文章最后更新时间2026年07月19日，若文章内容或图片失效，请留言反馈！

适用人群

  • 想用帝国CMS做垂直内容站（如新闻、资源、行业资讯）但手动复制粘贴到手酸的新手站长
  • 对正则表达式头疼、怕写采集规则的小白
  • 已经装了帝国CMS但采集功能一次都没用过、看着后台发懵的运营人员
  • 想批量生成SEO标准化内容、快速填充网站的创业者

本教程按步骤来,每个参数为什么这么配都讲透，你跟着点鼠标、复制粘贴就能跑通第一条采集线，别慌，帝国CMS的采集机制虽然名字唬人，但本质就是“告诉它去哪里拿数据、怎么拆开、再塞进你的数据库里”。

第一步：基础环境检查与采集开关

  1. 确保帝国CMS版本：至少是7.5及以上（低版本采集接口不稳定），登录后台 → 系统设置 → 系统信息，确认版本。
  2. 开启采集功能：系统设置 → 站点设置 → 基本设置 → 开启采集功能 → 选“是”，新手最容易忽略这一步，关了死活找不到采集按钮。
  3. 创建目标栏目：在“管理栏目”里新增一个栏目，行业资讯”，记下栏目ID（比如3），采集到的数据会直接进这个栏目。

第二步：添加采集节点（规则的大本营）

左侧菜单 → 数据采集 → 管理采集节点 → 增加采集节点。

  • 节点名称：随便写，今日头条-科技”，最好带上来源，方便后面管理。
  • 采集类型：选“普通采集”（列表+内容页），如果目标网站是瀑布流或JS加载，先劝退一步——那种得用自定义采集+正则，新手不建议碰。
  • 采集字符集：这个死卡90%的人，打开目标网站右键查看源代码，找到<meta charset="...”>，常见是utf-8或gb2312。选错会导致采集到的数据全是乱码或空白，页地址前缀**：大部分网站内容页是相对路径，比如/article/123.html，前缀填https://目标网站.com，注意结尾不要加斜杠。
  • 列表页的编码范围：比如目标网站列表有10页，填1-10，如果只想采集最新一页，填1-1，别贪心，先测一页。

第三步：配置列表页规则（找到“文章列表”）

这是规则最核心的一截,帝国CMS通过“列表页循环块”来定位每条新闻的链接。

  1. 列表页模板：先随便打开目标网站的一个列表页，比如https://xxx.com/news/，复制页面源代码（Ctrl+U），贴到记事本里备用。
  2. 列表页规则：在采集节点编辑里找到“列表页面规则”。
    • 列表开始代码：找到列表第一条新闻的HTML开始位置。<div class="news-list"> 或 <ul>。不要用太短的字符串，容易误伤。
    • 列表结束代码：列表最后一条新闻的结束标签，</ul> 或 </div>。
  3. 列表项规则：在刚才那段HTML里，找到一条新闻的完整结构，
    <li><a href="/news/2024/123.html" title="xxx">标题</a><span>日期</span></li>
    • 链接正则：抓出/news/2024/123.html这种动态部分，帝国CMS支持正则，也支持“匹配模式”（推荐新手用正则），填：href="([^"]+\.html)"（假设URL以.html。
    • 标题正则：同样，从title="xxx"里抓：title="([^"]+)"，或者从<a>..</a>的文本里抓，具体看你的页面结构。

第四步：配置内容页规则（把文章内容拆出来）

回到节点编辑 → “内容页面规则”。

帝国CMS采集规则实战，从零搭建自动化内容站，新手也能秒变老站长

帝国CMS采集规则实战，从零搭建自动化内容站，新手也能秒变老站长

这里只需要告诉帝国CMS：文章正文在哪里、标题在哪里、作者在哪里（可选）、发布时间在哪里。 页标题页源代码里的<h1 class="article-title">xxx</h1>，写正则：<h1 class="article-title">([^<]+)</h1>，注意如果标题里带双引号或特殊字符，可能需要微调，正文：找到正文容器，比如<div class="content">...</div>，写正则：<div class="content">([\s\S]*?)</div>。[\s\S]*? 表示匹配任意字符（包括换行），表示非贪婪，防止匹配到页脚。

  • 发布时间：找类似<span class="time">2024-03-15</span>，写正则：<span class="time">([^<]+)</span>，注意时间格式尽量统一，方便后续排序。

配置要点：

  • 所有正则里的括号就是你要抓取的内容,帝国CMS会把括号里的部分当成字段值，里包含图片，在内容页规则下方有“图片/附件设置”，勾选“下载图片到本地”，填保存路径如/d/file/p/，否则图片会外链，加载慢且可能失效。

第五步：测试与第一次采集

  1. 保存节点后,点“测试采集”，帝国CMS会弹出窗口，输入列表页的完整URL（比如https://xxx.com/news/），点测试。
  2. 看测试结果是否抓出了正确数量的链接、标题是否完整，如果链接数为0，99%是列表页规则写错了，回去检查“列表开始代码”是否写对了位置。
  3. 链接列表出来后,点“开始采集”，选好栏目ID（前面记下的），开始跑，第一次建议只采集1~2条，别一口气全搞，万一错废了数据库。

第六步：定时任务自动化（无人值守）

左侧菜单 → 系统设置 → 计划任务 → 增加计划任务。

  • 任务名称：每日自动采集”
  • 任务文件：选择/e/wcms/Scan.php（帝国CMS自带的采集脚本）
  • 脚本参数：填你刚才的采集节点ID，比如nodeid=2，多个节点用逗号隔开：nodeid=2,3,5
  • 时间设置：建议每天凌晨3点（服务器负载低），选“间隔执行”，比如间隔1440分钟（一天一次）。

保存后,系统会自动按计划执行采集，注意服务器要支持PHP CLI模式，否则需要配置crontab，新手图省事可以用“外部调用”方式，在宝塔面板里添加定时任务访问URL：https://你的域名/e/admin/ecmsadmin.php?enews=DoScan&nodeid=2（需要带后台验证）。

常见踩坑提醒（血泪史）

  1. 采集不到内容页：测试时列表页能抓到链接，但点采集后内容为空，检查内容页规则里的“内容正文”正则，看看目标网站正文是否被动态加载（比如用了Ajax），如果是，放弃吧，换目标，或正文带HTML乱码**：可能是字符集选错了，比如目标网站是gbk你选了utf-8，重新检查meta标签，或在采集节点里勾选“自动转码”。
  2. 图片下载失败：服务器没有写入权限，检查/d/file/p/目录是否为777权限；或者图片链接是防盗链的，需要添加Referer或UserAgent，方法：在系统设置 → 采集设置里，把“采集时模拟浏览器”打勾。
  3. 采集重复内容：帝国CMS默认按标题去重，但如果标题相似度不高会漏，建议在“管理采集节点” → 高级设置里，勾选“内容摘要去重”并设置相似度阈值（比如80%），设置“最大采集条数”为每天固定数量，防止无限叠加。
  4. 定时任务不运行：很多新手发现自己服务器是Windows，计划任务写错了，检查一下PHP是否有exec函数权限，或者直接用手动点击采集按钮，每天自己跑一次也是办法（直到弄明白crontab）。
  5. 正则写错导致页面报错：采集测试时如果弹出“数据库错误”，别慌，回到节点编辑，把规则中的([\s\S]*?)换成试试，后者不跨行，或者用帝国CMS自带的“采集测试工具”一条条调试。