PHPCMS 、帝国及织梦对比分析(十一)之采集功能

lite6

提到采集，有些站长抛出鄙夷的眼神，而似乎大部分站长都会觉得是CMS的标配。在落叶看来采集只是一个功能，一个工具，关键看是采什么，采来后做什么，怎么处理采来的内容。大家都知道火车头，一般基本用来采文章，但落叶经常用来采集邮箱，CMS间导数据，基至都用来采过QQ号。火车头的整套流程即使对采集规则了解不多，也很方便来采文章，那么相较之于这种客户端软件，主流CMS中的采集模块，有哪些优缺点呢？  
本文中落叶对PHPCMS、帝国CMS及DEDECMS的采集功能作些对比，同时也对采集流程细节作些需求分析。  
我们知道，通常的采集流程都是通过列表页分页批量获取内容页网址，然后对内容页分析，获取内容标题、文章内容等信息，因为各目标站的结构不同，采集规则会不同，CMS不可能也不会提供通用的采集规则，那么要考量一款CMS采集模块是否好用基本是由整个采集任务设置流程的易用性、采集的稳定性与效率、采集完入库方便性等方面决定。  
1.采集设置流程：  
整体体验：  
PHPCMS的任务添加流程中直接在TAB菜单的形式列出来网址采集、内容规则设置、高级设置三步骤，每一步中的结构都和火车头比较像，对火车头采集的比较熟悉用户会觉得PHPCMS的采集设置比较明了。DEDE中流程类似，只是没有直接将几步列出，后一步的设置的前提是前一步设置正确。帝国CMS中则是希望用户一口吃饱，从上至下把需要的信息全部列出来。  
其实整体都基本三步，没有太明显的区别是，只是三者表现方式的不同给用户的心理感受是不同的。PHPCMS简洁明了，让用户觉得采集很简单，三下两下就设置好了，新手愿意去尝试。帝国CMS中用户一进入采集设置界面顿感压力，页面一直下拖，这么多设置项，首先想到的是“算了，换别的采集”，“这么多填到什么时候，填完了能不能提交还是一回事”，而DEDECMS中把采集过程和设置流程整合起来，优点时可以保证每一步都设置正确，但对采集比较熟悉的用户而言，效率偏低，每次都得POST提交一次测试一次。  
网址采集：  
PHPCMS网址采集通过列表页分页通配符实现列表页网址批量添加，然后设置所需采集的网址区域，很多时候，对不熟悉HTML采集规则查找技巧的朋友可以通过直接设置“网址中必须包含”和“网址中不得包含”这两项来实现内容页网址的采集。DEDECMS也用*作分页通配符，不过DEDE中的优点在于可以启用多栏目通配规则，针对不同的栏目页批量设置采集规则，这样可以方便对有相同URL规则的多个栏目同时采集。帝国中则也只是一般的以