DEDE全自动采集插件

DedeCms织梦内容管理系统自动采集、伪原创、发布、更新一体化插件

正在浏览发布于 2010七月 的文章

更新日志:

时间:2010-07-29

内容:
1.修正了一个可能造成无法正常生成预览图图片的错误。
2.修正了一个在某些服务器上,可能会无法正常生成首页的错误。
3.修正了一个,没有判断文章是否已经被删除,结果尝试生成已经删除的文章,会提示文章模板不存在的错误。
4.增强了链接修正的功能,主要针对某些特殊不规范的列表页地址。
5.根据客户要求增加了一个功能,现在可以在配置文件里面设置,是否需要删除过时的临时文件。这个功能主要针对某些对文章时效性要求特别严格的站点(比如新闻类站点)。
/plus/autocollect.php 文件里面增加了一个变量,内容如下橙黄色字体:

$deleteCoHTMLTime=false; //是否删除过期的临时文件,默认为false不删除.
//如果为数字就是要删除,数字是多长时间(小时)前的临时文档算过期,,一般要在24小时以上,最小1小时,只有对文章时效性要求特别严格的才能写几小时,否则很可能采集不到文章

以上增加的内容,可以直接加在 $coNodes = array(); 这一行前面。

涉及的文件:
/plus/autocollect/cls_FoxSpider.php
/plus/autocollect/cls_FoxCollection.php
/plus/autocollect/fun_image.php

升级操作:
插件版本为DedePlus_AutoCollect_V2.2_20100722.rar的用户,
请注意查收邮件,将附件中的DedePlus_AutoCollect_V2.2_20100729update.rar解压,
将适合你的更新文件直接覆盖到对应目录下,就可以完成升级。

阅读全文..

更新日志:

时间:2010-07-22

内容:
1.更新了采集类,增强了采集网页的稳定性,以前不管是单线程还是多线程采集网页,只要采集不到就会放弃采集。从这个更新开始,如果采集不到网页或者图片内容,将会重试最多三次。经过稳定性测试,发现确实可以增强采集能力。
2.修正了一个,在被采集网页有多个分页内容,当某些分页没有正确采集到时,生成的对应网页正文内容为空的问题。
3.更新了图片采集到以后的源地址表示方式,将会强制将采集到的图片加上域名前缀。此更新用来保证文章正文中的图片显示不会出错,尤其是当栏目页面开启二级域名的时候。
4.优化了流程,在一定时间内不会重复生成列表页HTML文件。这个生成间隔时间和首页生成时间共用一个全局变量:$maketime,在 /plus/autocollect.php 文件里面设置。

涉及的文件:
/plus/autocollect/cls_FoxCollection.php
/plus/autocollect/cls_FoxSpider.php
/plus/autocollect/cls_FoxHttpDown.php

升级操作:
插件版本为DedePlus_AutoCollect_V2.2_20100718.rar的用户,
请注意查收邮件,将附件中的DedePlus_AutoCollect_V2.2_20100722update.rar解压,
将适合你的更新文件直接覆盖到对应目录下,就可以完成升级。

阅读全文..

这次又升级了一个小版本号,现在到了版本V2.2
本次升级的主要亮点在于,本插件只要启动以后就可以自己触发自己。理论上来说,本插件不再需要PV触发。
插件在启动以后,每过一段时间(最短60秒)以后,就会触发自己开始再次采集。

当然这只是理论上了,实际应用中,可能会因为服务挂掉、或者网络故障(比如DNS解析错误)、又或者程序运行出错等原因,造成插件运行到一半中止了,当然也就没办法触发自己再次采集。所以,最好还是加上PV触发,这样插件触发会更加稳定。

本来想做成守护进程的形式,但实现守护进程以后发现有两个问题无法解决只好放弃:
1.有些服务器不支持超长运行的进程,比如GODADDY LINUX服务器,进程最长运行时间只有120秒。
2.PHP内存释放问题,无论怎么搞总是有一些内存无法正常释放,造成内存使用量越来越高,最终把进程挂掉。

更新日志:

时间:2010-07-18

内容:
1.修正了不正确引用全局变量,导致首页可能无法正常生成的问题。
2.优化了采集流程,缩短了插件运行时间,现在一个典型的采集流程运行时间大概在30秒左右。
3.增加了插件触发自己再次启动的功能,因此将最短再次采集时间调整为60秒。理论上来说本插件不再需要PV触发,实际应用中加上PV触发会更加稳定。

更新完以后,在浏览器地址栏打开以下链接可查看自动触发的调试信息
http://你的域名/plus/autocollect.php?act=showcron

涉及的文件:
/plus/autocollect/cls_FoxSql.php
/plus/autocollect/cls_FoxSplitWord.php
/plus/autocollect/cls_FoxCollection.php
/plus/autocollect/cls_FoxSpider.php
/plus/autocollect/cls_FoxHttpDown.php
/plus/autocollect/fun_image.php
/plus/autocollect/fun_gen.php
/plus/autocollect/lock.bin

升级操作:
插件版本为DedePlus_AutoCollect_V2.1_20100707.rar的用户,
请注意查收邮件,将附件中的DedePlus_AutoCollect_V2.2_20100718update.rar解压,
将适合你的更新文件直接覆盖到对应目录下,就可以完成升级。

阅读全文..

自动采集插件 是可以使用定时自动采集功能的。
这就是说,你可以设定某个时间段,只有在这个时间内插件才会启动,才能自动采集。

比如,很多服务器都要求客户,只能在晚上12点到凌晨8点这个时间段内,才可以使用采集网页、生成HTML等功能。

那么,我们就可以打开自动采集配置文件,/plus/autocollect.php

首先看看里面有没有这一行:
$coTimeRange=array();

没有就加上,有注释的话把前面的注释去掉。

我们可以这样设定时间段:
$coTimeRange[]=’00:00:00-03:00:00′;

这句的意思是说,0点到3点可以采集

如果我还需要在每天中午12点到1点采集怎么办?很简单,再加一行:
$coTimeRange[]=’12:00:00-13:00:00′;

有多少个时间段,就加多少行。

不过,一般人也不会用到很多个采集时间段吧,-_-!!!

需要说明的是,这个采集时间段,跟服务器所在的地区无关,是按照中国时区的时间来计算的。
也就是说,不管你的网站服务器是在大陆,还是香港、韩国或者美国,你只需要按照自己电脑上面的中国时区时间来设置就可以了。

阅读全文..

更新日志:

时间:2010-07-07

内容:
1.修正了一个在采集时间超长以后,数据库服务器出现“MySQL server has gone away”的问题。
2.修正了一个如果采集出错程序将不能正确返回的问题。
3.修正了一个,如果图片没有正确下载到,生成预览图时函数出错不能正常返回的问题。
4.增加了一个功能,将采集到的图片自动去掉原图片上附加的样式和TITLE等附加信息。
5.修正了一个,如果文章不属于同一个模型,生成HTML时可能会出错的问题。
6.修改了采集程序流程,以前如果没有文章入库是不会尝试生成HTML的;现在不管有没有文章入库,都会尝试将未生成过的文章生成HTML。

涉及的文件:
/plus/autocollect/cls_FoxSql.php
/plus/autocollect/cls_FoxSplitWord.php
/plus/autocollect/cls_FoxCollection.php
/plus/autocollect/cls_FoxSpider.php
/plus/autocollect/cls_FoxHttpDown.php
/plus/autocollect/fun_image.php

升级操作:
插件版本为DedePlus_AutoCollect_V2.1_20100629.rar的用户,
请注意查收邮件,将附件中的DedePlus_AutoCollect_V2.1_20100707update.rar解压,
将适合你的更新文件直接覆盖到对应目录下,就可以完成升级。

阅读全文..