胖鼠采集(Fat Rat Collect)

胖鼠采集( Fat Rat Collect ) 是一款基于 WordPress 的内容采集与数据处理插件，适用于资讯站、内容聚合站及需要结构化采集网页内容的业务场景。插件支持通过规则配置完成网页内容提取、链接补全、图片处理、内容过滤、自动发布等操作，并提供调试工具与示例规则，便于快速上手和持续维护。

核心功能

• 微信公众号文章采集：支持公众号文章内容提取与清洗处理。

• 简书文章采集：支持正文、图片等内容采集。

• 列表采集与历史采集：支持从列表页批量获取文章链接并持续采集历史内容。

• 详情页采集：支持针对目标详情页提取标题、正文、图片等信息。

• 分页采集 ：支持多分页内容遍历，适用于历史数据抓取场景。

• 自动采集：支持定时或持续执行采集任务。

• 自动发布：支持将采集结果自动写入 WordPress 文章系统。

• 调试模式：支持在线调试采集规则，便于定位选择器与数据处理问题。

• 示例规则：提供可直接体验和参考的规则样例。

• 内容增强：支持 动态内容 、 自动标签 、标签内链等扩展能力。

• 内容去重：支持重复文章识别与过滤。

• 特色图片处理：支持正文首图设置为特色图片。

• 图片本地化：支持将图片下载到本地媒体库，并兼容对象存储类插件。

• 数据处理：支持基于 HTML 和 jQuery 的内容过滤、替换与伪原创处理。

• 任意可见网页采集：支持自定义站点列表页与详情页采集规则。

• 相对链接补全：支持自动补全相对路径为完整链接。

• 图片链接类型处理：支持自定义图片链接格式。

• 详情分页数据采集：支持详情页内部翻页内容整合。

• 关键词随机插入：支持指定关键词或 A 标签关键词随机插入正文内容。

• 安装即用：完全基于 WordPress 实现，支持开源查阅与二次开发。

• 兼容说明：如 PHP 版本低于 7.1，请使用历史兼容分支 based_php_5.6 ，该分支已停止更新，不建议在新环境中使用。

• 合规提示：请在合法、合规、获得授权的前提下使用本插件。

胖鼠采集系统架构

• 系统由五个核心模块组成。

• ① 采集中心：用于创建与管理采集任务。

• ② 配置中心：用于维护采集规则、字段映射和处理逻辑。

• ③ 数据桶：用于查看、筛选、发布和管理采集结果。

• ④ 调试中心：用于在线调试规则与查看采集结果。

• ⑤ 工具箱：提供插件配套的辅助工具能力。

使用说明

• 采集任务通常会消耗较多系统资源，图片下载与媒体处理场景尤为明显。

• 建议首次使用时优先体验示例规则，确认环境配置正常后再创建自定义规则。

• 本插件适用于学习、研究与合法业务场景，使用者需自行承担实际使用中的合规责任。