半夜三点，我的小说站又断更了—杰奇CMS数据备份与采集的实战自救手册

数据备份这件事，我从来都是“嘴上重视，身体诚实”，直到上周三凌晨，服务器磁盘告警，我手贱点了“清理缓存”，结果连带把最近三天的采集入库记录和章节索引给误删了，那一刻，看着后台空空如也的“最新章节列表”,我后背的汗比跑完五公里还多。

问题场景一：备份机制形同虚设，灾难恢复全靠运气 很多站长跟我一样，以为装了杰奇CMS，系统自带的“备份/恢复”就是护身符，杰奇的默认备份只打包数据库的jq_article和jq_chapter核心表，但你自定义的采集规则、分类映射、甚至jq_rewrite伪静态规则往往存在jq_config表里，或者直接写在了config.php文件中，一旦整库崩溃，恢复后采集规则全丢，那才是真正的灾难。 操作指引： 我现在的铁律是“双轨备份”，第一轨：在杰奇后台“工具-数据备份”里，每周日全量备份一次，备份文件下载到本地，第二轨：用宝塔面板的“计划任务”，每天凌晨4点执行mysqldump -u用户名 -p密码 库名 --ignore-table=库名.jq_log --ignore-table=库名.jq_session > /www/backup/db_$(date +%Y%m%d).sql，忽略日志表，只保数据核心，把自定义的采集规则文件/config/collect_config.php加入宝塔的“目录备份”任务，每天覆盖式打包。备份不是目的，能恢复才是，我每个月会选一天，把备份文件导入本地测试环境（用phpstudy跑一下）,验证SQL文件能正常还原。

问题场景二：目标站加了验证码，采集规则瞬间失灵 昨天采集某盗版站还抓得飞快，今天一跑，后台提示“采集失败：无法获取列表”，打开采集器调试模式，发现目标站首页返回了302跳转，并Set-Cookie一个v_code字段，这是典型的防采集策略——基于JS动态Cookie校验。 操作指引： 别慌着改规则，先在杰奇后台“采集管理-采集器列表”里，找到该站点，点击“测试抓取”，并把“是否启用Cookie支持”打开，杰奇后台有隐藏选项：在config.php文件里找到'COOKIE_EXPIRE'，将其值从0改为3600，手动用浏览器访问目标站，拿到完整的Cookie串（F12-Application-Cookies），填入采集器配置的“附加Cookie”文本框内，如果目标站有User-Agent校验，就在采集器设置里固定一个真实的UA（Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 Chrome/119.0）。重点调试思路：杰奇的“采集调试”功能里，每一步HTTP请求都会显示头信息和返回内容，如果返回内容里包含<script>location.href='...'</script>，说明是JS跳转，你需要把采集规则里的“列表页地址”改成那个跳转后的真实URL，或者用“正则取链接”配合“内容替换”来绕过。

半夜三点，我的小说站又断更了—杰奇CMS数据备份与采集的实战自救手册

问题场景三：章节更新失败，但列表页明明有最新章节 这是最让人抓狂的，采集器显示“成功抓取到3个新章节”，但点击“发布”后，前台却看不到，去jq_chapter表里用SQL查，发现chapt_name存在，但chapt_content为空。 操作指引： 这是典型的“内容页解析失败”或“写入超时”，第一步，单独对某一章执行“采集单个内容”，看返回的HTML里，正文区域是不是被嵌套了多层<div>或<p>标签，杰奇默认的“内容提取规则”经常只匹配第一个<div id="content">，如果目标站结构调整，需要用“块级过滤”功能，第二步，检查chapt_content字段的保存方式——如果目标站内容是分页的（很多站把5000字拆成3页），你需要设置“分页地址拼接规则”为下一页的相对URL，第三步，如果确认内容抓到了但存不进去，多半是数据库表字段长度限制，用SQL改一下jq_chapter表，执行ALTER TABLE jq_chapter MODIFY chapt_content LONGTEXT;,瞬间解决。

问题场景四：单一采集源不稳定，换一个就全乱 之前死磕一个目标站，人家一改版，我这个站就断更两天，后来我建了“三级源”体系：主源（更新最快）、备源（内容最全）、兜底源（采集失败率低）。 操作指引： 在杰奇后台“采集管理-多源采集”里，不要把所有源放在同一个“采集任务”下，把主源设置为“定时任务A”，备源设置为“定时任务B”，且B的执行时间比A晚2小时，关键设置：在“任务调度”中，勾选“如果当前任务采集书籍数量为0，则自动执行下一优先级任务”，在“字段映射”里，必须统一三套源的字数统计单位、作者名格式，例如A源作者是“流浪的蛤蟆”，B源是“流浪的蛤蟆 著”，如果你不开启“作者名清洗规则”（使用正则/\s+著$/），入库后就会出现一个作者创建两本书的垃圾数据。多源切换的调试秘诀：用杰奇的“批量试采”功能，随机选20本书，每个源跑一遍，对比结果里“成功章节数”和“错误率”,手动调高稳定源的任务优先级。

问题场景五：批量自动采集，却发现更新越跑越慢 设置成每30分钟采集一次，结果跑了三天，发现后台任务一直“执行中”，卡死了。 操作指引： 这不是网络问题，是采集任务堆积导致的死锁，因为杰奇的采集进程是单线程的，如果上一个循环里某本书的图片下载卡住（比如目标站图片外链防盗链），整个任务会挂起，操刀方案：第一条，在宝塔计划任务里，把杰奇采集任务改为“每1小时执行一次，如果发现上一个采集进程还在运行，则立即kill掉”（用ps -ef | grep php采集.php | grep -v grep | awk '{print $2}' | xargs kill -9），第二条，在杰奇的采集器配置里，开启“下载图片”的“超时设置”，设定为15秒超时后跳过，第三条，更狠一点：把采集任务分为“小说正文采集”（高频、只抓文本）和“封面图片采集”（低频，凌晨2点单独跑），这样即使图片源炸了,也影响不了章节更新。

问题场景六：采集过来的文章排版稀烂，广告比正文还多 好不容易抓下来了，前台一看，段落里混着“最新网址：www.xxx.com”，文末还有导演的“友情提示”，严重影响阅读体验。 操作指引： 杰奇的“内容清洗”功能一定要用透，在“采集规则-内容过滤”里，用正则屏蔽所有<script>.*?</script>和<style>.*?</style>，对于文本型广告，tip：本章未完”,在“替换规则”中写：查找：/(本章未完.*?点击下一页继续阅读|最新网址.*?)/s, 替换：(空)，排版优化：开启“自动段落缩进”，把杰奇后台“系统设置-内容设置”里的“每段首行缩进”选为2em，并过滤空段落<p><br></p>。调试技巧：在后台的“内容预览”窗口，直接用真实抓取的HTML片段测试替换规则,比反复发布再删除强一百倍。

现在我养成了习惯，每次改完采集规则，就先在“调试模式”下跑3本书，再看生成的HTML源码，数据备份是我的保命符，而采集规则的傻瓜化整理（每个源存一份txt说明文档，记录UA、Cookie、过滤正则）则是我断更时的急救包，稳定更新不是靠运气,是靠你在深夜里多盯了几行日志。