建站工具

AI Article Collector – WordPress 插件

发布于
作者 TechFlow
阅读 32 分钟
浏览 1

概述

AI 文章采集器是一款功能强大的 WordPress 插件，支持可视化点选采集目标站文章，并使用主流 AI 工具进行伪原创处理。

核心功能

1. 可视化点选采集

  • 通过 PHP 代理加载目标站页面（绕过跨域限制）
  • 鼠标悬停高亮页面元素
  • 点击选中元素，自动生成 CSS 选择器
  • 支持配置：文章列表、标题、内容、标签、摘要、作者、日期、缩略图

2. 批量采集

  • 按规则批量采集文章列表
  • 自动去重（已采集过的文章自动跳过）
  • 采集后自动保存为草稿
  • 支持配置保存状态（草稿/待审核/直接发布）

3. AI 伪原创

支持以下 AI 供应商（持续扩展）：

  • DeepSeek – 深度求索（推荐，性价比高）
  • 小米 MiMo – 小米大模型
  • OpenAI – GPT-4o / GPT-4o-mini
  • 通义千问 – 阿里云 DashScope
  • Kimi (月之暗面) – Moonshot API
  • 智谱 GLM – GLM-4 系列
  • 百度文心一言 – ERNIE 系列
  • Google Gemini – Gemini 1.5/2.0
  • 自定义 – 任何 OpenAI 兼容接口

4. 草稿管理

  • 查看所有采集的文章
  • 状态/标签筛选
  • 单篇或批量 AI 伪原创
  • 一键跳转到文章编辑器

安装方法

  1. 将 ai-article-collector 文件夹上传到 /wp-content/plugins/ 目录
  2. 在 WordPress 后台「插件」页面激活「AI 文章采集器」
  3. 在左侧菜单找到「AI 采集器」开始使用

使用流程

第一步：配置 AI 设置

  1. 进入「AI 采集器 → AI 设置」
  2. 选择 AI 供应商
  3. 填入 API Key
  4. 测试连接
  5. 保存设置

第二步：创建采集规则

  1. 进入「AI 采集器 → 可视化点选」
  2. 输入目标站文章列表页 URL
  3. 点击「加载页面」
  4. 开启「点选模式」
  5. 在页面预览中点击元素，自动填入选择器
  6. 测试采集效果
  7. 保存规则

第三步：批量采集

  1. 进入「AI 采集器 → 批量采集」
  2. 选择采集规则
  3. 设置采集数量
  4. 点击「开始采集」
  5. 查看采集结果

第四步：AI 伪原创

  1. 进入「AI 采集器 → 草稿管理」
  2. 勾选需要处理的文章
  3. 点击「批量 AI 伪原创」
  4. 或单篇点击「AI 伪原创」

兼容性

  • WordPress 4.7+（含 WordPress 7.0）
  • PHP 5.6+
  • 需要启用 cURL 或 allow_url_fopen

文件结构

ai-article-collector/
├── ai-article-collector.php        # 主插件文件
├── uninstall.php                    # 卸载清理脚本
├── includes/
│   ├── class-html-parser.php        # HTML 解析工具（DOMDocument + XPath）
│   ├── class-selector-engine.php    # 可视化选择器引擎（页面代理 + 字段提取）
│   ├── class-collector.php           # 采集引擎（批量采集 + 草稿保存）
│   ├── class-ai-service.php          # AI 伪原创服务（多供应商）
│   ├── class-settings.php            # 设置管理
│   └── class-draft-manager.php       # 草稿管理
├── admin/views/
│   ├── header.php                    # 后台公共头部
│   ├── dashboard-page.php            # 仪表盘
│   ├── selector-page.php             # 可视化点选页
│   ├── collector-page.php            # 批量采集页
│   ├── drafts-page.php               # 草稿管理页
│   └── settings-page.php             # AI 设置页
├── assets/
│   ├── css/
│   │   ├── admin.css                 # 后台通用样式
│   │   └── selector.css              # 选择器/采集器样式
│   └── js/
│       ├── admin.js                  # 后台通用脚本
│       ├── selector.js                # 可视化点选引擎
│       └── collector.js               # 采集/草稿交互
└── languages/
    └── ai-article-collector-zh_CN.po  # (待编译)

数据库表

插件激活时会自动创建 wp_aac_collection_logs 表，记录采集历史。

技术要点

  • 零依赖：HTML 解析使用 PHP 内置 DOMDocument，无需安装 Simple HTML DOM Parser
  • 跨域解决：通过 PHP 代理加载目标页面，在前端 iframe 中渲染
  • CSS 选择器生成：JavaScript 自动分析 DOM 结构，生成 tag.class 格式的选择器
  • AI 统一接口：所有 OpenAI 兼容供应商共用同一套调用逻辑，Gemini 独立适配
  • 安全机制：所有 AJAX 请求使用 WordPress nonce 验证，数据通过 sanitize 函数清理

AI Article Collector — 插件介绍与操作教程

版本：1.8.0
适用 WordPress：4.7 ~ 7.0+
PHP 版本：5.6+

一、插件简介

AI Article Collector（AI 文章采集器）是一款 WordPress 插件，帮助你从任意网站快速采集文章，并使用主流 AI 工具进行伪原创处理。

核心特性

特性说明
可视化点选鼠标点击页面元素即可生成采集规则，无需手写 CSS 选择器
8 步向导从设置目标站到预览保存，分步操作，每步可回退
文章详情页加载支持在预览区直接点击链接跳转到文章详情页
批量采集逐篇采集，实时显示进度和结果
图片本地化自动下载文章图片到 WordPress 媒体库，不再引用源站链接
9 种 AI 供应商DeepSeek、小米 MiMo、OpenAI、通义千问、Kimi、智谱 GLM、百度文心、Google Gemini、自定义
容错匹配选择器自动降级匹配（去 class → 去 ID → 全文搜索），适配不同文章结构
草稿管理采集文章集中管理，支持单篇/批量 AI 伪原创

二、安装方法

  1. 将 ai-article-collector 文件夹上传到 WordPress 的 /wp-content/plugins/ 目录
  2. 登录 WordPress 后台，进入「插件」页面
  3. 找到「AI Article Collector」，点击「启用」
  4. 启用后，左侧菜单出现「AI 采集器」入口

卸载说明：停用并删除插件时，uninstall.php 会自动清理采集日志表和插件配置，不会删除已采集的文章。

三、功能模块一览

启用插件后，左侧菜单「AI 采集器」下有 5 个子菜单：

菜单功能
仪表盘总览采集数据、最近活动
可视化点选8 步向导创建采集规则
批量采集选择规则批量采集文章
草稿管理管理已采集文章，AI 伪原创
AI 设置配置 AI 供应商、采集选项

四、操作教程

4.1 配置 AI 设置（建议先做）

进入「AI 采集器 → AI 设置」，完成以下配置：

AI 伪原创配置

配置项说明
AI 服务商选择你要使用的 AI 供应商（推荐 DeepSeek，性价比高）
API Key填入对应供应商的 API Key，点击「显示」可查看明文
测试连接点击「测试连接」按钮验证 Key 是否有效
模型名称留空使用默认模型，也可手动指定
API Endpoint仅「自定义」模式需要填写，必须兼容 OpenAI 格式
伪原创提示词指导 AI 如何修改文章，保留 HTML 结构，只改文字内容

各供应商 API Key 获取地址：

  • DeepSeek：https://platform.deepseek.com/
  • 小米 MiMo：https://mimo.xiaomi.com/
  • OpenAI：https://platform.openai.com/api-keys
  • 通义千问：https://dashscope.console.aliyun.com/
  • Kimi：https://platform.moonshot.cn/
  • 智谱 GLM：https://open.bigmodel.cn/
  • 百度文心：https://console.bce.baidu.com/qianfan/
  • Google Gemini：https://aistudio.google.com/apikey

采集配置

配置项说明
采集后状态草稿 / 待审核 / 直接发布
采集后自动伪原创勾选后每采集完一篇自动调用 AI 伪原创
移除原文链接清理文章内容中的外链
移除原文图片完全移除文章中的图片标签
图片本地化下载文章图片到媒体库，替换为本地链接（默认开启）
请求超时单篇文章采集的超时时间（秒），建议 30~60
User-Agent请求目标站时使用的 UA，留空使用默认值

配置完成后点击页面底部「保存设置」。

4.2 创建采集规则（可视化点选 8 步向导）

进入「AI 采集器 → 可视化点选」，界面为左右双栏布局：左侧是步骤表单，右侧是页面预览区。

第 1 步：设置目标站

  1. 在左侧输入规则名称（如「科技博客采集」）
  2. 输入目标站文章列表页 URL（如 https://example.com/blog/）
  3. 点击「加载页面」
  4. 右侧预览区会加载目标站列表页
  5. 确认页面加载成功后，点击「下一步」

目标站 URL 必须是文章列表页，不是单篇文章页。

第 2 步：点选列表

  1. 点击左侧「开启点选」按钮
  2. 在右侧预览区中，鼠标悬停会高亮元素
  3. 点击包含文章列表的容器元素（通常是 <ul> 或 <div> 包裹的列表区域）
  4. 左侧「列表选择器」自动填入生成的 CSS 选择器
  5. 确认选择器正确后，点击「下一步」

如果选错了元素，再次点击正确的元素即可覆盖。

第 3 步：点选链接

  1. 左侧显示「链接选择器」输入框，默认值为 a
  2. 点击「开启点选」按钮
  3. 在右侧预览区中点击列表中的某个文章链接
  4. 选择器自动更新（如 article h2 a）
  5. 系统会自动提取列表中所有匹配的文章链接并显示
  6. 确认链接列表正确后，点击「下一步」

链接选择器可手动编辑修改。如果自动提取的链接不准确，可以手动调整。

第 4 步：加载文章详情页

这一步是为了加载单篇文章详情页，以便后续点选标题和内容。

方式 A（推荐）：在预览区直接点击文章链接

  1. 进入此步骤后，预览区自动切换为「导航模式」
  2. 鼠标悬停在文章链接上会显示橙色高亮和「点击加载此页面」提示
  3. 点击任意文章标题链接，系统自动获取该 URL 并加载到预览区
  4. URL 会自动填入左侧输入框

方式 B（兜底）：手动输入文章详情页 URL

  1. 在左侧「文章详情页 URL」输入框中粘贴文章 URL
  2. 点击「加载」按钮

确认右侧预览区显示的是文章详情页（而非列表页）后，点击「下一步」。

如果点击加载后仍显示列表页，请使用方式 B 手动输入文章详情页 URL。

第 5 步：点选标题

  1. 点击「开启点选」按钮
  2. 在右侧预览区中点击文章标题元素（通常是 <h1> 或 <h2>）
  3. 左侧「标题选择器」自动填入
  4. 预览区下方会显示提取到的标题文本
  5. 确认正确后点击「下一步」

第 6 步：点选内容

  1. 点击「开启点选」按钮
  2. 在右侧预览区中点击文章正文内容容器（如 div.entry-content、div.article-body 等）
  3. 左侧「内容选择器」自动填入
  4. 预览区下方显示提取到的内容预览
  5. 确认正确后点击「下一步」

选择内容容器时要选包含完整正文的父级元素，不要只选某一段文字。

第 7 步：点选标签

  1. 点击「开启点选」按钮
  2. 在右侧预览区中点击文章标签区域（如 div.tags、ul.post-tags 等）
  3. 如果文章没有标签或不需要采集标签，可直接跳过
  4. 点击「下一步」

第 8 步：预览保存

  1. 左侧显示所有已配置的选择器汇总
  2. 点击「测试采集」按钮，系统会使用当前规则采集一篇文章进行测试
  3. 查看采集结果（标题、内容、标签、来源 URL）
  4. 确认无误后，输入规则名称
  5. 点击「保存规则」

保存规则后，可以在「批量采集」页面使用该规则。

4.3 批量采集文章

进入「AI 采集器 → 批量采集」：

  1. 选择采集规则：从下拉菜单选择已保存的规则
  2. 输入采集 URL：默认使用规则中保存的列表页 URL，也可以临时修改
  3. 设置采集数量：限制本次采集的文章数量（如 10 篇）
  4. AI 自动伪原创：勾选后每篇采集完成自动调用 AI 处理
  5. 点击「开始采集」

采集过程中：

  • 系统先获取文章链接列表（快速返回）
  • 然后逐篇采集，每篇实时显示状态（等待中 → 采集中 → 成功/失败）
  • 进度条显示整体进度
  • 采集成功的文章显示标题、摘要、来源链接
  • 采集失败的文章显示具体错误原因
  • 可点击「编辑」跳转到 WordPress 文章编辑器

已采集过的文章会自动跳过，不会重复采集。

4.4 草稿管理与 AI 伪原创

进入「AI 采集器 → 草稿管理」：

  • 查看所有已采集的文章列表
  • 按状态筛选（草稿 / 待审核 / 已发布）
  • 按标签筛选
  • 点击文章标题可直接编辑
  • 点击「编辑」按钮跳转到 WordPress 文章编辑器

AI 伪原创操作

单篇伪原创：

  1. 在文章列表中找到目标文章
  2. 点击「AI 伪原创」按钮
  3. 等待 AI 处理完成（页面会显示处理状态）
  4. 处理完成后文章内容会被 AI 重写

批量伪原创：

  1. 勾选需要处理的多篇文章
  2. 点击页面顶部「批量 AI 伪原创」按钮
  3. 系统逐篇调用 AI 处理
  4. 实时显示每篇的处理状态

AI 伪原创会保留文章 HTML 结构（标题、段落、图片标签等），只修改文字内容。

4.5 仪表盘

进入「AI 采集器 → 仪表盘」：

  • 查看采集总数、伪原创数、草稿数等统计信息
  • 查看最近采集活动
  • 快捷入口：可视化点选、批量采集、草稿管理、AI 设置

五、常见问题

Q1：加载目标站后无法点选？

  • 检查浏览器控制台是否有 JS 报错
  • 确保浏览器支持 iframe sandbox
  • 尝试刷新页面后重新操作

Q2：点选的标题/内容在批量采集时采集不到？

这通常是因为选择器中包含了文章特定的动态 ID（如 post-13016）。插件已内置容错机制（自动跳过动态 ID、降级匹配），如果仍有问题：

  • 在「可视化点选」中重新点选元素，选择不含数字 ID 的容器
  • 优先选择使用 class 标识的元素（如 div.entry-content）

Q3：采集内容为空？

  • 确认第 4 步加载的是文章详情页而非列表页
  • 确认内容选择器选中的是包含完整正文的容器
  • 检查目标站是否有反爬机制（可在设置中调整 User-Agent）
  • 适当增大「请求超时」时间

Q4：图片显示不了？

  • 确保「图片本地化」已开启（设置 → 采集配置）
  • 确保服务器有写入权限（wp-content/uploads/ 可写）
  • 检查目标站图片是否可正常访问

Q5：AI 伪原创失败？

  • 检查 AI 设置中的 API Key 是否正确
  • 点击「测试连接」验证
  • 检查当前模型是否可用
  • 查看错误提示信息
  • 部分供应商需要账户充值后才能调用

Q6：采集速度慢？

  • 降低单次采集数量
  • 关闭「采集后自动伪原创」，改为采集完成后再批量处理
  • 增大请求超时设置

六、技术架构简述

模块技术方案
HTML 解析PHP 内置 DOMDocument + DOMXPath，零外部依赖
跨域加载PHP wp_remote_get 代理获取目标站 HTML
可视化点选iframe 渲染目标页 + 注入 JS 脚本 + postMessage 回传选择器
CSS → XPath自定义转换器，支持 > 子选择器、后代选择器、#id、.class、[attr=val]、:first-child、:last-child
容错查询4 级降级：去多余 class → 去 ID → 去所有 class → 最后 token 全文搜索
动态 ID 跳过JS 生成选择器时跳过含数字的 ID（如 post-13016），只保留纯字母语义 ID
图片本地化DOMDocument 遍历 <img> → download_url + media_handle_sideload 下载到媒体库
AI 调用OpenAI 兼容格式统一调用（8 家共用），Gemini 独立适配
安全机制所有 AJAX 请求使用 WordPress nonce 验证，数据通过 sanitize 函数清理

七、文件结构

ai-article-collector/
├── ai-article-collector.php        # 主入口（插件头、菜单注册、AJAX 钩子）
├── uninstall.php                    # 卸载清理脚本
├── GUIDE.md                         # 本文档
├── README.md                        # 项目说明
├── includes/
│   ├── class-html-parser.php        # HTML 解析（DOMDocument + CSS→XPath + 容错查询）
│   ├── class-selector-engine.php    # 页面代理 + 字段提取 + 链接提取
│   ├── class-collector.php           # 采集引擎（批量/单篇/草稿保存/图片本地化）
│   ├── class-ai-service.php          # AI 伪原创（9 种供应商）
│   ├── class-settings.php            # 设置 + 规则管理
│   └── class-draft-manager.php       # 草稿列表查询
├── admin/views/
│   ├── header.php                    # 后台公共头部
│   ├── dashboard-page.php            # 仪表盘
│   ├── selector-page.php             # 可视化点选页（8 步向导）
│   ├── collector-page.php            # 批量采集页
│   ├── drafts-page.php               # 草稿管理页
│   └── settings-page.php             # AI 设置页
├── assets/
│   ├── css/
│   │   ├── admin.css                 # 后台通用样式
│   │   └── selector.css              # 点选/采集器样式
│   └── js/
│       ├── admin.js                  # 通用工具（AJAX 封装、提示等）
│       ├── selector.js               # 可视化点选引擎（iframe + postMessage + 导航模式）
│       └── collector.js              # 采集/草稿交互（逐篇串行采集）
└── languages/
    └── (待编译)

八、版本更新日志

版本更新内容
1.8.0新增图片本地化功能（下载文章图片到媒体库）
1.7.0修复选择器含动态 ID 导致批量采集标题错误
1.6.0修复 css_to_xpath 不支持 > 子选择器导致采集内容为空
1.5.0新增 iframe 内点击链接导航模式，手动 URL 输入框默认显示
1.4.0新增第 4 步「加载文章详情页」，支持手动输入 URL 兜底
1.3.0改为逐篇串行采集模式，修复采集结果为空问题
1.2.0重构为左右双栏 8 步向导布局
1.0.0初始版本：可视化点选 + 批量采集 + AI 伪原创
Tags #AI伪原创 #wordpress插件 #文章采集 #采集插件
TechFlow

发表评论

您的邮箱地址不会被公开。必填项已用 * 标注。

/ SYS INFO

techflow

techflow — 探索科技前沿，分享工程师视角的洞见。

11 Articles
2 Topics
/ LATEST

New posts

  1. 01

    Claude Pro 会员开通教程：为 AI 工具站出海做准备
  2. 02

    我用 AI 做了一个 VPS 剩余价值计算器（天气动画版）
  3. 03

    GPT-4o 原生图像生成功能发布，射鸡师怕是要下岗了
  4. 04

    Claude 3.7 Sonnet 太强了！打造炫酷的动画天气卡片
  5. 05

    Grok 3 越狱！使用该提示词开启开发者模式后，无视情色与版权的限制
/ TAGS

Explore tags

#AI #AI工具 #大模型 #本地大模型 #文章采集 #采集插件 #wordpress插件 #AI伪原创 #AI机器人 #聊天机器人 #Grok AI #Grok 3 #AI开发者模式 #Claude #GPT-4o #AI生图 #VPS #服务器工具