站长的深夜自救指南，杰奇CMS保留收录的六个关键战场

凌晨两点，老陈盯着后台的“0新增”数字，又一次把烟头摁灭在烟灰缸里，这已经是他用杰奇CMS建站的第三个月，流量刚有起色，百度来的蜘蛛却在最近一周抓取量暴跌——他开始怀疑,是不是采集出了问题。

不用怀疑，大多数杰奇站长在“保留收录”这件事上，都栽在同一个坑里：只想着怎么“采”，没想过怎么“活”，蜘蛛不来、收录掉光、章节更新失败、目标站突然封IP……每个问题都是致命伤，下面,我们一步步拆解。

采集规则配置与调试：别再写“一刀切”的正则

很多新手一上来就复制网上的采集规则，结果不是漏采就是乱码,你应该这么做：

禁用“懒人模式”：打开杰奇后台的“规则管理”，不要直接用“通用规则”，针对每个目标站，单独建规则。
精准匹配章节列表：用浏览器的“检查”功能，定位到小说目录页的 <ul> 标签，比如某站的列表结构是 <li><a href="/chapter/123.html">第1章</a></li>，你的正则写成 #<li><a href="(.*?)\.html">(.*?)</a></li># 即可。
调试务必在“测试模式”下：在规则编辑页，填入一本小说的首页URL，点“测试”，看返回的章节名和链接是否正确，如果出现乱码，检查目标站编码（UTF-8还是GBK），在规则配置里手动指定编码。
排除广告节点：有些站会在章节列表里插入“推荐阅读”链接，用 [排除标签] 功能，把广告区的class或id写进去，ad-list。

实操案例：我遇到过某个目标站，它的章节链接是 //m.xxx.com/chapter/123，缺少协议头，我在规则里加了一行 链接补全：http: 就解决了。

你刚写好规则，第二天目标站就给你返回403，别慌,对方大概率只是开启了简单的防护。

IP轮换：在杰奇后台的“代理设置”里，添加一个免费的代理IP池（比如从“快代理”每日更新），采集时勾选“随机使用代理”，每个请求换一个IP。
User-Agent伪装：别用默认的 Mozilla/5.0，把真实浏览器的UA（比如Chrome的Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36）加到“自定义头信息”里。
请求间隔：在“采集设置”里，把“单次采集间隔”设为2-5秒，太短触发封禁，太长效率太低。
cookie会话维持：如果目标站需要登录才能看内容，先在浏览器里登录，把cookie复制到杰奇的“全局cookie”字段，注意cookie会过期,每周更新一次。

早上起来，发现某本热门小说停更了5章，先别骂采集规则,按这个顺序排查：

看“采集日志”：在杰奇后台点击“系统工具→日志管理”，搜索那本小说的ID，如果日志显示“采集成功”但章节没出现，八成是入库失败——检查数据库是否满，或者字段长度超限（比如章节标题超过255字符）。
检查“小说状态”：在书籍管理里，看那本书的“最后更新章节”是否被标记为“不可用”，可能是采集时抓到了错误章节（404页”），杰奇会把它标记为“无效”，然后停止更新，手动删除错误章节，重新采集。
目标站页面结构变了：有些站会突然改版，把 <div class="content"> 改成 <div class="desc">，复用之前的调试步骤,重新匹配CSS选择器。

单靠一个站，哪天它挂了你全站瘫痪，我的做法是建一个“主站+3个备用”的组合。

优先级队列：在“规则管理”里，对同一本书设置多个采集源，源A权重10，源B权重8，源C权重5，采集触发时，先取权重最高的，如果源A采集不到（比如返回空或报错），自动切换到源B。
实时监控：用杰奇的“采集源健康检测”插件（第三方开发，官方应用市场有），每天凌晨自动test所有源，连续3次失败的源，自动标记为“暂停”并邮件通知你。去重**：开启杰奇“内容对比”功能，切换到源B采集时，如果章节内容与库中已有章节重复超过80%，自动丢弃，这能防止同一个章节被不同源采集两次,浪费资源。

手动点“更新”太累，你需要的是“定时任务”。

计划任务配置：在服务器crontab里添加一条 0 */4 * * * /usr/bin/php /wwwroot/你的杰奇路径/cli.php action=auto_collect，意思是每4小时自动采集一次。
全站增量更新：杰奇的“自动采集”默认只采集“最近更新”的小说，你要在“采集设置”里，勾选“仅采集新章节”，并把“失败重试次数”设为3，如果某本书连续3次采集失败，系统会自动暂停，避免反复浪费资源。
批量标记：比如一本小说采集到第100章，但目标站有120章，在后台“书籍管理”里，批量选中所有章节数低于第50章的书，一键“强制更新”,系统会从第101章重新采集。

蜘蛛喜欢干净的内容，如果你采出来的文章全是<div>标签和空格,收录上不去很正常。

正则替换脏数据清洗规则”里，写入 #<script.*?</script># 去掉所有JS；#\s{2,}# 合并多余空格；#<br\s*/?># 替换成 \n。
手机适配：很多站采集来的段落中间插了图片广告，用 #<img.*?src="(ad.*?)".*?># 替换成空字符串。
统一排版格式：比如所有段落首行缩进2个空格，在“清洗后处理”里，用PHP函数 preg_replace 给每段开头加两个全角空格。
图片本地化：如果目标站的图片路径是 /upload/cover.jpg，在杰奇“远程图片下载”里开启自动下载，并设置 水印位置 和 尺寸压缩,既防盗链又节省流量。

老陈按这套方法操作了一周后，后台的“百度收录”从上周的50页涨到了180页，他终于可以安心睡到早上6点——至少蜘蛛不会在他梦里爬，这只是开始，目标站的反爬技术也在升级,下周他可能又要调试新的规则了。

但至少,他手里多了六个战场。