采集

采集，這里的采集指的是網(wǎng)站內(nèi)容的采集，故又稱為：網(wǎng)站采集。網(wǎng)站采集是一種網(wǎng)站內(nèi)容編輯模式。采集是復制粘貼的升級，指利用工具，按照一定的規(guī)則，定時或一次性批量的復制其他網(wǎng)站的內(nèi)容。采集一般的步驟是設置采集規(guī)則，采集目標網(wǎng)站，然后程序去自動抓取內(nèi)容，寫入網(wǎng)站數(shù)據(jù)庫。采集與離線瀏覽器下載不同，離線瀏覽器只是把網(wǎng)站所有的內(nèi)容下載到本地硬盤，而采集只抓取有用的內(nèi)容，然后一般是寫入網(wǎng)站數(shù)據(jù)庫，和網(wǎng)站是一體的，就像是一個機器人自動的為你的網(wǎng)站添加內(nèi)容。

目錄

• 1 采集的方式
  • 1.1 CMS自帶采集系統(tǒng)
  • 1.2 第三方采集軟件
• 2 采集的優(yōu)缺點
• 3 采集的版權及道德問題

采集的方式

采集一般用如下方式：

CMS自帶采集系統(tǒng)

目前國內(nèi)幾大CMS系統(tǒng)都自帶采集模塊，例如 動易 帝國CMS DedeCMS等等。

第三方采集軟件

有些專門開發(fā)的采集軟件，典型的有火車頭采集器。

采集的優(yōu)缺點

優(yōu)點：

• 自動添加網(wǎng)站內(nèi)容，維護成本低
• 可在短期內(nèi)迅速增加網(wǎng)站內(nèi)容

缺點：

• 涉及版權問題。目前國內(nèi)對這方面不重視，但是采集就是對所采集網(wǎng)站的勞動成果的竊取，如果一個網(wǎng)站一直依靠采集是無法發(fā)展壯大的
• 服務器消耗資源大。如果是用CMS自帶模塊進行采集，采集之后生成靜態(tài)頁面，資源消耗是非常厲害的，所以不少主機商是禁止采集的。
• 大量重復內(nèi)容，容易被搜索引擎懲罰
• 可能遭到所采集網(wǎng)站的各種報復，例如起訴，攻擊等等。

采集的版權及道德問題

• 采集一般侵犯了對方網(wǎng)站的版權
• 采集增加了對方服務器的資源消耗，如果對方是個人網(wǎng)站，使用的是虛擬主機，很可能引起資源消耗太大，被主機商關閉空間
• 采集竊取了對方的勞動成果，并且在搜索引擎等地方與對方形成競爭關系