站长百科 | 数字化技能提升教程 数字化时代生存宝典 
DEDECMS自带的采集功能，虽然比不上其他专业的采集软件，但对比其他采集程序，在性能上还是非常不错。很多其他程序无法采集下来的网页，使用DEDECMS可以采集得到。比如58同城首页，使用discuz的下载函数采集过来的都是一片空白或者警告内容，但是使用dedecms的下载完全可以下载下来。
DEDE采集程序原理
DEDECMS的采集原理很简单： 通过PHP程序socket模拟HTTP请求，下载整张网页的HTML。不过这里面有一个不足之处——不支持部分采集。如果我们仅仅要获得对方网页的标题，却下载了整张网页。一两张无所谓，但是大量的下载就会挤占服务器资源和带宽。比如35dalucom的分类信息网站大全，该频道含有600多分类信息网站，网站程序后台自动定期获取这些网站的标题，以判断这些网站是否可以正常打开，内容是否发生改变。如果使用dede的程序，直接默认下载整张网页而不是仅网页HTML头部部分，长期下去可想而知会挤占多少服务器资源。此时我们此处仅仅需要获得对方网页的标题而已。
修改文件dedehttpdown.class.php
要让DEDECMS实现部分采集的功能非常简单，只需要修改采集程序文件dedehttpdown.class.php 中的2个地方即可。使用notepad++或者dreamweaver 打开 /include/dedehttpd.class.php：
(2)第 285行$this->m_html .= fgets($this->m_fp,256); 背后加入 if($this->dataLimit > 0 && strlen($this->m_html) > $this->dataLimit) break; 保存即可。
使用方法：
★ $remoteURL = ‘http://www.***.com/info/fabu/’;
★ $dh = new DedeHttpDown();
★ $dh->OpenUrl($remoteURL);
★ $dh->dataLimit = 1024;
★ $remoteHTML = $dh->GetHtml();
我们只需要在 $dh->OpenUrl($remoteURL);背后加入 $dh->dataLimit = 1024;(你想采集的字节大小)即可。 通过这样的方法，我们可以更节约服务器资源。
来源：www.35dalu.com
