1、说明

[基本设置页]包括采集规则中关于采集顺序、数量、标题范围等内容的设置，见图示；

 

 

2、网址编码

通常用于访问网页的网址都需要经过HTTP编码才能正常访问，此项用于特殊的不需要对URL进行HTTP编码才能访问的网址，见图示：

注：2.6.1版后，如果网页编码选择为UTF8，那么网址进行HTTP编码时会将参数先转为UTF8编码字符。

 

3、压缩网页

采集使用了gzip等压缩模式的网站时，使用本项可提高采集速度，见图示：

4、启用缓存

一些网站使用了缓存技术来进行提高访问速度，采集这类网站需要启用缓存功能，见图示：

本功能为2.4版新增。

 

5、GET/POST混合模式

在访问网页时，将同时使用GET方式和POST方式提交参数，见图示：

 

6、启用SSL

在访问网址时，强制使用SSL安全连接。

当网站以重定向等隐藏方式使用HTTPS网址时，可勾选本项强制使用SSL安全连接访问网页；对于显式的HTTPS网址，无须启用本项，系统会自动使用SSL安全连接。

 

注：非HTTPS网址启用本项会影响访问速度

 

7、网页编码

自动识别可判断大部分网站的编码，但有些网站的网页编码指示代码与实际网页编码不符，造成自动识别误判错误，可在此处做准确设置，见图示：

 

8、采集页包含HTTP头信息

ET采集3.0.18版新增，启用本功能时，采集文章各网页将会在网页源码前加上HTTP响应头信息，选项见图示：

HTTP响应头信息见图示：

 

9、采集顺序

采集顺序用于控制ET采集文章列表时的方向，通常网页上的文章列表是按时间倒序排列的，因此默认顺序为‘自下向上’，见图示：

勾选随机乱序时，将不按顺序，而是从列表随机采集文章。

 

10、采集条目数量

用于控制ET每次从文章列表页采集文章条目的数量，见图示：

 

全部：选择全部则采集符合采集设置的该列表页全部条目，不限数量；

 

数量：设置数量，则每次仅按顺序采集规定数量的文章条目；

 

11、访问延时

用于设置采集一篇文章时每一次访问网页的间隔时间，可延缓对文章分页、文件下载的采集频率，避免访问过快被对象站点拒绝，见图示：

 

12、标题字数

用于设置采集的文章条目标题字数范围，仅字数符合的文章条目被采集，见图示：

 

13、有效网址HTML属性名

[有效网址HTML属性名]为必填项，用以指定在网页源代码中，什么HTML属性参数的值为网址，系统会据此判断并自动修正相对网址为完整网址，见图示：

 

默认的包含有效网址的HTML标记属性名包括href 、src 、data、value等，多个属性参数名请以换行分隔；

 

14、网址修正例外

[网址修正例外]为选填项，用以在进行网址自动修正补全时，指定包含以下字符串的网址将不会被自动修正，见图示：

 

常见不需要修正的链接如：用于表示邮箱地址的"mailto:"、用于运行脚本命令的"javascript: "等；

字符串不区分大小写，多项请以换行分隔；

本项功能作用于HTML标签中的链接参数，即"有效网址HTML属性名"所影响的链接，以及选择了"作为下载文件"属性的数据项的值。