提到采集，有些站長拋出鄙夷的眼神，而似乎大部分站長都會覺得是CMS的標(biāo)配。在落葉看來采集只是一個功能，一個工具，關(guān)鍵看是采什么，采來后做什么，怎么處理采來的內(nèi)容。大家都知道火車頭，一般基本用來采文章，但落葉經(jīng)常用來采集郵箱，CMS間導(dǎo)數(shù)據(jù)，基至都用來采過QQ號。火車頭的整套流程即使對采集規(guī)則了解不多，也很方便來采文章，那么相較之于這種客戶端軟件，主流CMS中的采集模塊，有哪些優(yōu)缺點呢？

本文中落葉對PHPCMS、帝國CMS及DEDECMS的采集功能作些對比，同時也對采集流程細(xì)節(jié)作些需求分析。

我們知道，通常的采集流程都是通過列表頁分頁批量獲取內(nèi)容頁網(wǎng)址，然后對內(nèi)容頁分析，獲取內(nèi)容標(biāo)題、文章內(nèi)容等信息，因為各目標(biāo)站的結(jié)構(gòu)不同，采集規(guī)則會不同，CMS不可能也不會提供通用的采集規(guī)則，那么要考量一款CMS采集模塊是否好用基本是由整個采集任務(wù)設(shè)置流程的易用性、采集的穩(wěn)定性與效率、采集完入庫方便性等方面決定。

1.采集設(shè)置流程：

整體體驗：

PHPCMS的任務(wù)添加流程中直接在TAB菜單的形式列出來網(wǎng)址采集、內(nèi)容規(guī)則設(shè)置、高級設(shè)置三步驟，每一步中的結(jié)構(gòu)都和火車頭比較像，對火車頭采集的比較熟悉用戶會覺得PHPCMS的采集設(shè)置比較明了。DEDE中流程類似，只是沒有直接將幾步列出，后一步的設(shè)置的前提是前一步設(shè)置正確。帝國CMS 中則是希望用戶一口吃飽，從上至下把需要的信息全部列出來。

其實整體都基本三步，沒有太明顯的區(qū)別是，只是三者表現(xiàn)方式的不同給用戶的心理感受是不同的。PHPCMS簡潔明了，讓用戶覺得采集很簡單，三下兩下就設(shè)置好了，新手愿意去嘗試。帝國CMS中用戶一進入采集設(shè)置界面頓感壓力，頁面一直下拖，這么多設(shè)置項，首先想到的是“算了，換別的采集”，“這么多填到什么時候，填完了能不能提交還是一回事”，而DEDECMS中把采集過程和設(shè)置流程整合起來，優(yōu)點時可以保證每一步都設(shè)置正確，但對采集比較熟悉的用戶而言，效率偏低，每次都得POST提交一次測試一次。

網(wǎng)址采集：

PHPCMS網(wǎng)址采集通過列表頁分頁通配符實現(xiàn)列表頁網(wǎng)址批量添加，然后設(shè)置所需采集的網(wǎng)址區(qū)域，很多時候，對不熟悉HTML采集規(guī)則查找技巧的朋友可以通過直接設(shè)置“網(wǎng)址中必須包含”和“網(wǎng)址中不得包含”這兩項來實現(xiàn)內(nèi)容頁網(wǎng)址的采集。DEDECMS也用*作分頁通配符，不過DEDE中的優(yōu)點在于可以啟用多欄目通配規(guī)則，針對不同的欄目頁批量設(shè)置采集規(guī)則，這樣可以方便對有相同URL規(guī)則的多個欄目同時采集。帝國中則也只是一般的以為通配符的多分頁獲取，相對表現(xiàn)平平。

PHPCMS中提供通過填寫COOKIES信息對需要登陸的網(wǎng)站的采集，不過只對深度用戶有用，一般用不著，DEDECMS中則提供了防盜鏈模式的設(shè)置，通過填入目標(biāo)站內(nèi)容頁地址，采集時偽造來源來達(dá)到破解簡單防盜鏈采集的目的，這點還是挺不錯的。帝國CMS對相對路徑的處理提供了填寫“內(nèi)容頁地址前輟”的字段，但其實本應(yīng)該做到URL自動擴充補全的。

內(nèi)容規(guī)則的設(shè)置：

內(nèi)容頁規(guī)則的設(shè)置一般是針對每個字段提供設(shè)置匹配規(guī)則，同時進行一些格式過濾和信息替換。對比三款CMS，PHPCMS中的字段設(shè)置更人性化些，很清晰的實現(xiàn)了匹配信息的提取、信息替換、格式過濾的功能，而DEDECMS和帝國CMS中都直接一個textarea給出，讓用戶填寫正則內(nèi)容，體驗上稍差些。DEDECMS中也以彈出窗口的方式給出了常用格式的過濾的勾選框，直接勾選可以生成過濾規(guī)則，表現(xiàn)方式不夠明顯，不適合新手使用，帝國則似乎完全是針對正則高手的，而實際用帝國的新手用戶居多，我很為帝國擔(dān)心，“有人用他的采集功能么？”

2. 采集穩(wěn)定性與效率：

采集效率受限于服務(wù)器本身及網(wǎng)絡(luò)環(huán)境，各CMS在技術(shù)上的差異不大，而穩(wěn)定性則處決于采集流程及出錯處理。這塊PHPCMS的優(yōu)勢很明顯，支持多線程采集，并以進展條方式展示，在采集中斷時可刷新界面斷點續(xù)采，效率和穩(wěn)定性個人覺得挺不錯。對已采集過的網(wǎng)址記錄方式也仿照火車頭的方式進行記錄，防止重復(fù)采集。

DEDE則仍體現(xiàn)在他的細(xì)致上，每一步做過很多細(xì)節(jié)提示，優(yōu)點的可以清楚知道怎樣操作，缺點是太多需要讓我思考的地方，帝國CMS似乎對得重復(fù)采集未作判斷，即使刷新或后退都存在得復(fù)采集的情況。

3. 采集完入庫：

帝國CMS在采集設(shè)置流程中即設(shè)置好了所采集的信息所對應(yīng)入庫的欄目，采集過程字段設(shè)置也完全與欄目的字段匹配，PHPCMS在采集前設(shè)置好了對應(yīng)的欄目，但各字段并沒有綁定，在采集完進行發(fā)布時，可以重新選擇字段的對應(yīng)關(guān)系，并可對一些字段如關(guān)鍵詞、摘要、縮略圖、時間等在發(fā)布時自動使用函數(shù)處理后填充。DEDECMS中在采集時未綁定欄目，發(fā)布時選擇欄目導(dǎo)入，比較方便，但不支持字段選擇。總體，落葉個人還是偏向于PHPCMS的地導(dǎo)入方式。