1. 自己建立網站，想採集內容
你可以試試樂思網路信息採集系統
這個可以連接任何資料庫的，所以不管你的網站是否是可以採集，都可以把內容採到資料庫
2. 怎樣讓網站自動採集
這位朋友，根據您的問題解答如下，如有不明之處可以繼續補充:
你說的這個網站採集，應該指的就是純數據的採集。這個都是自動的，做個計劃任務定時採集數據，要是人工採集很麻煩的。
只要你寫好採集程序，做成計劃任務就可以了。這個並不特別困難。
3. 目前的搜索引擎是主要是通過什麼來開採集網頁數據的
搜索引擎採集數據的程序被稱為「爬蟲」或「蜘蛛」，爬蟲根據別的網頁上面的鏈接搜索到你網站的地址，然後以該地址為入口對你網站上的頁面數據進行採集。一個網頁要想被爬蟲採集必須依賴於兩個條件：1、該網頁要提供一個對外開放的鏈接；2、該網頁在robot規則中沒有被禁止。這樣做的目的是讓網站能夠保護自己的敏感內容不被泄漏。但是可能有搜索引擎不遵守這個規則，比如360搜索，它可以他通過你安裝的360瀏覽器得到一個並沒有對外開放的鏈接地址，然後也會無視該網站的robot規則，這樣會導致網站的敏感信息被外泄。
4. 新聞門戶網站如何採集信息
你沒看那些門戶網站轉載的新聞也佔了很大一部分嗎？他們有專門的新聞編輯、記者可以實地采訪不一定到一線采訪。可以通過RSS訂閱其他網站的內容，當然那些編輯有自己的信息渠道。獲取新聞還是通過RSS訂閱更快一些，那些RSS閱讀器回第一時間自動更新你訂閱的內容。一些好的RSS訂閱器有新浪點點通、鮮果RSS閱讀器等等，希望對你有幫助。
5. 怎麼採集網站數據
可以使用爬蟲軟體，現在市場上的爬蟲軟體已經很成熟了，對小白和入門新手也都是很友好的。如果不知道用哪個爬蟲的話可以試一下ForeSpdier數據採集引擎。操作簡單易上手，而且還有各種教程想輔助，基本上一個網站10分鍾就可以搞定。下附截圖：
6. 如何實現網站採集功能
那些都是自帶了的
你可以進管理後台有採集功能
7. 網站如何設置採集
搜索引擎通過一種程序robot（又稱spider），自動訪問互聯網上的網頁並獲取網頁信 息。您可以在您的網站中創建一個純文本文件robots.txt，在這個文件中聲明該網站中不想被robot 訪問的部分，這樣，該網站的部分或全部內容就可以不被搜索引擎收錄了，或者指定搜 索引擎只收錄指定的內容。 robots.txt文件位置 robots.txt文件應該放在網站根目錄下。舉例來說，當robots訪問一個網站時，首先會檢查該網站中是否存在robots.txt 這個文件，如果機器人找到這個文件，它就會根據這個文件的內容，來確定它訪問許可權的范 圍。 robots.txt文件的格式 「robots.txt」文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL,or NL作為結束符），每一條記錄的格式如下所示： 「<field>:<optionalspace><value><optionalspace>」 在該文件中可以使用#進行註解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄 通常以一行或多行User-agent開始，後面加上若干Disallow行,詳細情況如下： User-agent： 該項的值用於描述搜索引擎robot的名字，在「robots.txt」文件中，如果有多條 User-agent記錄說明有多個robot會受到該協議的限制，對該文件來說，至少要有一條User- agent記錄。如果該項的值設為*，則該協議對任何機器人均有效，在「robots.txt」文件 中，「User-agent：*」這樣的記錄只能有一條。 Disallow： 該項的值用於描述不希望被訪問到的一個URL，這個URL可以是一條完整的路徑，也可以 是部分的，任何以Disallow開頭的URL均不會被robot訪問到。例如： 「Disallow: /help」對/help.html 和/help/index.html都不允許搜索引擎訪問， 而「Disallow: /help/」則允許robot訪問/help.html，而不能訪問/help/index.html。 任何一條Disallow記錄為空，說明該網站的所有部分都允許被訪問，在 「/robots.txt」文件中，至少要有一條Disallow記錄。如果「/robots.txt」是一個空文 件，則對於所有的搜索引擎robot，該網站都是開放的。 robots.txt文件存在的意義 有些人會問，既然robots文件沒弄好，或出錯了，會影響整個網站的收錄，那為什麼還要這個文件呢？ 其實robots是為特定需要的站長准備的，因為有些網站，有一些頁面是站長不想被SE收錄的，所以才有了這個robots文件。 五、 robots.txt文件用法舉例 例1、禁止所有搜索引擎訪問網站的任何部分 User-agent: * Disallow: / 例2、允許所有的robot訪問 User-agent: * Disallow: （或者也可以建一個空文件 "/robots.txt" file） 例3、禁止某個搜索引擎的訪問 User-agent: BadBot Disallow: / 例4、允許某個搜索引擎的訪問 User-agent: Baispider Disallow: User-agent: * Disallow: / 例5、一個簡單例子 在這個例子中，該網站有三個目錄對搜索引擎的訪問做了限制，即搜索引擎不會訪問這三個目錄。 User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /joe/ 需要注意的是對每一個目錄必須分開聲明，而不要寫成：「Disallow: /cgi-bin/ /tmp/」。 User-agent:後的* 具有特殊的含義，代表「any robot」，所以在該文件中不能有 「Disallow: /tmp/*」 or 「Disallow: *.gif」這樣的記錄出現。
8. 資訊類網站該怎麼採集相關內容
這個要看你維護的網站是什麼程序了，因為現在好多程序自帶採集系統，設置好採集規則就可以採集其他網站的資訊。如果沒有自帶的，市面上有好多軟體可以採集信息，最著名的是火車頭，但是這款軟體支持的網站基本上是比較流行的CMS程序，同樣要看你的網站是不是屬於其中的某一款cms程序了。貌似現在應該有自定義介面了，自己編輯一下，讓採集軟體採集信息後直接加入網站資料庫。
9. 怎麼用php採集網站數據
簡單的分了幾個步驟：
1、確定採集目標
2、獲取目標遠程頁面內容（curl、file_get_contents）
3、分析頁面html源碼，正則匹配你需要的內容（preg_match、preg_match_all），這一步最為重要，不同頁面正則匹配規則不一樣
4、入庫
10. 想要採集https開頭的網頁怎麼辦
使用採集器設置好採集列表等配置，就可以完成部分數據的採集！！另外一種方法可使用整站下載完成採集網頁