织梦定时采集任务宝塔设置

织梦CMS（DedeCMS）的采集功能可以自动抓取目标站点内容，但默认需要人工点击执行。借助宝塔面板的“计划任务”结合织梦采集接口，可以实现全自动的定时采集，本文给出完整的可落地配置方案。

一、为什么要在宝塔里做定时采集

织梦自带的“采集”入口在后台 后台 - 采集 - 采集节点管理，必须登录后手动触发。很多站长希望实现“每小时自动抓一次最新内容”，常见做法有两种：

• 浏览器插件或第三方软件定时点击，稳定性差、依赖本机开机；
• 服务器端用计划任务调用织梦采集接口，稳定、无需客户端。

宝塔面板自带可视化计划任务，支持按分钟/小时/天执行 Shell 脚本或访问 URL，是织梦服务器端定时采集的最佳载体。

二、前置条件检查

1. 确认采集节点已配置

进入 后台 - 采集 - 采集节点管理，确保至少有一个节点测试通过并能正常抓取到数据，记录该节点的 ID（鼠标移到节点名称上能看到 nodeid）。

2. 确认 PHP 版本与命令行路径

宝塔 软件商店 - PHP 中查看当前站点使用的 PHP 版本，例如 7.4。对应 CLI 路径一般是 /www/server/php/74/bin/php。可在宝塔“终端”执行 which php 或直接 ls 该目录确认。

3. 确认织梦目录权限

整站目录属主应为 www，权限 755，文件 644。可在宝塔“文件”中右键设置，或在终端执行：

chown -R www:www /www/wwwroot/yourdomain.com
chmod -R 755 /www/wwwroot/yourdomain.com

三、宝塔计划任务配置步骤

方案 A：用 wget 访问采集接口（最简单）

织梦提供了不需要登录的采集触发接口，URL 形如：

http://www.yourdomain.com/plus/spider.php?nodeid=1&upto=1

在宝塔 计划任务 - 添加任务：

• 任务类型：访问 URL
• 任务名称：织梦采集节点1
• 执行周期：每 N 小时（建议 2~6 小时，避免被目标站封）
• URL 地址：上面的接口地址

方案 B：用 PHP CLI 执行采集脚本（更可控）

编写一个采集触发脚本 collect_cron.php 放在站点根目录，内容简化如下：

<?php
define('DEDEADMIN', dirname(__FILE__).'/dede');
require_once(dirname(__FILE__).'/include/common.inc.php');
require_once(DEDEINC.'/dedecollection.class.php');
$nodeid=isset($argv[1]) ? intval($argv[1]) : 1;
$lc=new DedeCollection();
$lc->LoadFromDB($nodeid);
$lc->AutoSource(false, $lastnid);
echo "node {$nodeid} done\n";

在宝塔计划任务里：

• 任务类型：Shell 脚本
• 执行周期：每 3 小时
• 脚本内容：/www/server/php/74/bin/php /www/wwwroot/yourdomain.com/collect_cron.php 1

四、常见报错与排查

1. 执行后没采集到内容

先在终端手动跑一次脚本看输出。如果提示 require_once failed，多为路径不对，需用绝对路径。如果提示目标站 403，多半是被对方 User-Agent 拦截，可在采集节点“高级设置”里改 UA。

2. 采集到了但没自动生成 HTML

采集只是入库 dede_archives，生成静态页需要再触发 makehtml_archives.php。可在宝塔计划任务里追加一条 Shell：

/www/server/php/74/bin/php /www/wwwroot/yourdomain.com/dede/makehtml_archives.php 0 0 0

3. 服务器 CPU 飙高

采集和生成都很吃 CPU，建议把执行周期设到凌晨低峰，并避免多个节点同时跑。宝塔“监控”里能看到任务执行耗时，据此调整。

五、注意事项

• 采集前确认目标站是否允许被抓取，避免版权与法律风险；
• 采集频率不要过高，同一目标站每天 1~3 次为宜；
• 宝塔计划任务日志在 /var/spool/cron/ 或面板“日志”里，建议定期查看；
• 采集后记得执行一次全站生成和百度推送，提升收录效率。

把上述配置跑通后，织梦站点就能在无人值守的情况下持续补充新内容。建议先用一个低频周期观察一周，根据采集成功率与服务器负载再逐步收敛执行间隔，最终形成稳定的自动化内容更新闭环。