第三步，设置内容页规则。

这步跟列表页类似，但是更细致，要告诉程序文章标题是内容是作者是啥等等。

• 文章标题规则：看文章页源码，找到标题所在的HTML标签，比如 `

  [var]title[/var]

  `。
• 文章内容规则：这个最麻烦，因为文章内容结构复杂。同样是找到包含正文的那块区域，设定开始和结束标记。比如从 `
  ` 开始，到 `` 结束。
• 其他字段：像作者、发布时间，如果需要，也按照同样的方法设置规则。
• 内容过滤：dedecms自带一些过滤规则，可以勾选去掉HTML里的脚本、样式、注释啥的。还可以自定义过滤规则，比如把目标站的水印、广告代码替换掉。我当时就加好几条规则，把一些固定的推广信息给弄没。
• 测试：同样有测试按钮，填个文章页地址测试一下，看看标题、内容抓得对不对，过滤效果怎么样。

我当时设置这些规则，真是反复调整好多次。有时候区域选大，把不该采的也采进来；有时候规则写错，啥也采不到。只能一遍遍看源码，一遍遍测试，挺磨人的。

执行采集和入库

规则设置保存节点。回到“采集节点管理”列表，就能看到你刚才建的节点。

• 开始采集网址：选中节点，点“采集”，程序就开始去抓列表页，把文章链接都弄回来。
• 开始采集内容：等上面一步跑完，再选中节点，点“导出选中”，把采集到的数据弄到“临时内容库”里。
• 内容发布（入库）：在“临时内容库”里，你可以看到采回来的数据。检查一下没啥大问题，就可以勾选，选择要发布到的栏目，点“导入”，文章就正式发布到你的网站上。

刚开始采几篇，发现直接发布确实不太内容跟人家一模一样，格式有时候也有点小问题。听说直接这么搞，容易被搜索引擎判定为垃圾站，不收录甚至被K。

后续处理和思考

所以光靠自带的采集功能，采回来直接发，我觉得风险挺大。很多人说用第三方插件或者更高级的采集工具，能做些伪原创处理、自动推送啥的。我当时没深入研究，就想着先把自带的玩明白。

后来我采集回来后，没有立刻发布，而是先放到草稿箱。手动去改改标题，调整下段落顺序，替换一些关键词，做点简单的伪原创。虽然麻烦，但感觉心里踏实点。

我还设置定时发布，让文章每天自动发几篇，模拟正常更新，而不是一次性全倒进去。

用dedecms搭个采集站的壳子不难，关键在于采集规则的细化和采集后内容的二次处理。自带的采集功能能用，但比较基础，想做避免被惩罚，还得自己多花心思去琢磨规则、过滤内容、做伪原创。指望点几下鼠标就全自动躺着赚钱，那基本不现实，还是得动手折腾。

这就是我当时搞dedecms采集站的一点经历，希望能给想尝试的朋友一点参考。过程有点枯燥，但看着网站内容慢慢多起来，还是有点成就感的。