火车头内容采集范例

第一步、编写采集入库脚本接口 

新建：/api/caiji.php （应用于URL地址请求，大小写随意）

如果根目录没有api文件夹，就创建到 /public/api/caiji.php （应用于URL地址请求，大小写随意）

<?php

/**

 * 数据采集

 */

define('IS_API', basename(__FILE__, '.php')); // 项目标识

define('SELF', pathinfo(__FILE__, PATHINFO_BASENAME)); // 该文件的名称

require('../index.php'); // 引入主文件

新建：./dayrui/My/Api/Caiji.php（首字母必须大写，最终php文件命名与上面的名称保持相同）

<?php

$this->_module_init('news'); // news 是模块目录

if ($_GET['action'] == 'category') {

    $this->module['category'] = \Phpcmf\Service::L('category', 'module')->get_category($this->module['share'] ? 'share' : $this->module['dirname']);

    if (!$this->module['category']) {

        echo '模块【'.$this->module['dirname'].'】没有创建栏目';

    }

    foreach ($this->module['category'] as $t) {

        if ($t['child'] == 0 && $t['tid'] == 1) {

            echo '<h1>'.$t['name'].'<=>'.$t['id'].'</h1>'.PHP_EOL;

        }

    }

} else {

    // 入库数据

    $data = $_REQUEST;

    // 发布者id 1

    $data['uid'] = 1;

    // 发布者笔名 admin

    $data['author'] = 'admin';

    // 主表字段

    $fields[1] = $this->get_cache('table-'.SITE_ID, $this->content_model->dbprefix(SITE_ID.'_'.MOD_DIR));

    $cache = $this->get_cache('table-'.SITE_ID, $this->content_model->dbprefix(SITE_ID.'_'.MOD_DIR.'_category_data'));

    $cache && $fields[1] = array_merge($fields[1], $cache);

    // 附表字段

    $fields[0] = $this->get_cache('table-'.SITE_ID, $this->content_model->dbprefix(SITE_ID.'_'.MOD_DIR.'_data_0'));

    // 去重复

    $fields[0] = array_unique($fields[0]);

    $fields[1] = array_unique($fields[1]);

    // 格式化入库字段

    // 一般是格式化非文本类的字段（例如多文件上传、复选框、联动字段等等）

    // 这里需要按采集资料的格式入库格式化字段，

    // 开始归类存储

    $save = [];

    // 主表附表归类

    foreach ($fields as $ismain => $field) {

        foreach ($field as $name) {

            isset($data[$name]) && $save[$ismain][$name] = $data[$name];

        }

    }

    if (!$data['catid']) {

       exit('栏目为空');

    }

    $save[1]['uid'] = $save[0]['uid'] = $data['uid'];

    $save[1]['catid'] = $save[0]['catid'] = $data['catid'];

    $save[1]['url'] = ''; // 地址留空，系统会自动生成

    $save[1]['status'] = 9; //9表示正常发布，1表示审核里面

    $save[1]['hits'] = 0; // 阅读数

    $save[1]['displayorder'] = 0; // 排序权重值，默认填写0

    $save[1]['link_id'] = 0; // 填写0不管他

    $save[1]['inputtime'] = SYS_TIME; // 发布时间设置成为当前时间

    $save[1]['updatetime'] = SYS_TIME; // 更新时间也设置成为当前时间，关于时间采集如果是这种格式2022-12-12xx，那么需要使用strtotime函数转换成时间戳入库

    $save[1]['inputip'] = '127.0.0.1'; // 发布者ip地址

    //$save[1]['keywords'] = dr_get_keywords( $save[1]['title']); // 按插件提取关键词

    //$save[1]['description'] = dr_get_description( $save[0]['content'], 100); // 在内容里面提取100个子作为描述

    // 验证标题重复

    if ($this->content_model->table(SITE_ID.'_'.MOD_DIR)->where('title', $save[1]['title'])->counts()) {

        echo '重复';exit;

    }

    $rt = $this->content_model->save_content(0, $save);

    if ($rt['code']) {

        /*

        // 用于发布成功后生成静态文件代码

        //dr_html_auth($_SERVER['SERVER_ADDR']);

        //dr_catcher_data(SITE_URL.'index.php?s='.MOD_DIR.'&c=html&m=showfile&id='.$rt['id']);

        $atcode = 'chtml_'.SITE_ID.'_'.MOD_DIR.'_'.$rt['code'];

        \Phpcmf\Service::L('cache')->set_auth_data($atcode, $rt['code'], SITE_ID);

        dr_catcher_data(SITE_URL.'index.php?s='.MOD_DIR.'&c=html&m=showfile&id='.$rt['code'].'&atcode='.$atcode);

$save[1]['id'] = $save[0]['id'] = $rt['code'];

\Phpcmf\Service::L('router')->show_url(\Phpcmf\Service::C()->module, $save[1]);

        */

        exit('成功');

    } else {

        exit('失败');

    }

}

exit;

脚本文件中可以定义发布者等一些预定义字段默认值，如果你不会php的话可以保持默认

注意：本脚本的程序代码只对内容等字段入库有效，由于采集目标网站的数据规范性无法做到统一；

如果开发者对其他字段（例如多文件上传、复选框、联动字段等等）需要开发者自己根据采集的实际情况来编写入库程序来组装入库的POST数据，需要PHP开发技术基础，下面来举一些基础例子。

1、多文件上传字段

$data['字段名称'] = dr_array2string([

    ['file'=>'文件路径', 'title'=>'标题'],   

]);

2、复选框字段

$data['字段名称'] = dr_array2string([

    '值1', '值2'  

]);

测试规则地址：

如果能显示出来栏目信息，说明ok了

如果显示api file is error，表示你./dayrui/My/Api/Caiji.php没有创建正确。

第二步、火车采集器编写web发布规则

第三步、新建一个在线发布模块

第四步、填写获取栏目列表的参数

/api/caiji.php?action=category

<h1>[分类名称]<=>[分类ID]</h1>

按照上面的格式写就ok了

第五步、内容发布规则参数

发布地址：/api/caiji.php?action=post

表单参数：这里是你采集的字段

c错误码：失败 回车符 重复

成功标志码：成功

表单参数：这里可以配置任意自定义字段的入库，不知道入库格式怎么办？

查看数据库储存数据格式进行入库处理，必要时需要在接口文件中重新编程

第六步、保存模块

第七步、然后返回web发布配置里面

按照图中的参数配置，点“获取栏目”，如果可以获取到就表示成功了一大半了

第八步、测试入库发布

第九步、后台查看采集内容