文章采集思路一些要点和经验

最近项目是做站并优化   

外链为皇  内容为王   站长们应该都知道的

外链  好久不碰了   拿那些垃圾站挂了外链也没营养  高pr站又不是那么好拿的

内容上入手把   伪原创  是个站长都懂这个名词

为什么呢   百度收录是根据内容是否吸引他决定收录与否的

但是如果一个文章 重复的再很多站上出现  他认为这两个文章甚至这两个站都是一样的

就懒得再去爬你的站     伪原创就是这个道理      文章复制过来  站长们都会先修改一下  

一个一个的复制粘贴别人文章  再删去暗链  再把关键字替换    我感觉着工作量实在好大

果断方便自己 

因为有些网站 文章的链接 比较怪异  比如 new/list_1.html  这样你就不好替换那个1   

用上星号当做替换符      

这里我截取  每个文章的URL  

思路大概是这样  

 根据文章列表的分页  取所有页所有列表的所有文章URL   

再根据每个URL  取URL得原HTML代码  

 根据我们设置的文章头和脚  截取存放在HTML中的文章内容

再将我们预先设置的关键字都替换掉

最后将内容转码  保存到设置的文件夹里

由于老板说这是公司财产  我也就不发源码和工具了 

考虑做个 读数据库的  顺便把这些文章存入数据库内  这样  发文章再也不是个累活了