Dede织梦采集功能的使用方法 --- 含有分页的普通文章的采集（二）
前言：本文是“含有分页的普通文章的采集方法“的第二节，在前一节的基础上，这一节会对新增采集节点中的第二步：“设置字段获取规则”做详细的介绍。为了与前文保持一致，本文将延续使用前文的章节标记。
上接***节。
单击“保存信息并进入下一步设置”后，便可进入“新增采集节点：第二步设置内容字段获取规则”页面，如（图14）所示，
图14-设置内容字段获取规则
系统将会自动指定一个“预览网址”，一般是文章列表页的***篇文章的网址。但是，由于***篇文章中没有涉及到分页的部分，所以在这里手动更改为，第二篇文章的网址：“更改后，如（图15）所示，
图15-更改后的预览地址
下面来设定分页部分的匹配规则。其具体操作步骤为：
打开文章内容页面，在网页上单击右键，在弹出的对话框中单击“查看源文件“。在源代码中，找到分页代码的开始部分和结束部分，如（图16）所示，
图16-分页代码
经过观察可知，分页代码位于“
图17-设置后的网页内容获取规则
对于“固定采集项目”中的“内容摘要、关键字和缩略图“三个部分，系统会用正则进行自动匹配，这里仅需配置过滤内容即可。下面主要介绍如何获取“文章标题、文章作者、文章来源、发布时间和文章内容”的采集规则，过滤规则仅简单涉及。
首先，打开“预览网址“的页面并单击右键，选择”查看源代码“，找到文章标题” OpenFlow网络是空谈吗？“，如（图18）所示，
图18-在源代码中的文章标题
这里的文章标题处在”
”之间，因此这里应该填写”[内容]
”作为文章标题的匹配规则。如果在文章标题中含有相关链接等，可使用过滤规则加以处理，这里无需设置。填写后，如（图19）所示，图19-文章标题的采集规则
经过查找源代码和对比原文的标题部分，可发现本文没有涉及到文章作者，所以这里不用填写，空着即可。
在上图19中，可发现来源的内容介于“来源：“和“”之间，因此这里应填写“来源：[内容]”作为文章来源的采集规则。同样，这里也不需要使用过滤规则。填写后，如图20所示，
图20-文章来源的采集规则
再次回到图17，可找到“时间:2011-05-13 11:47”，因此这里应把“时间：[内容]”作为发布时间的采集规则。同样，这里也不需要使用过滤规则。填写后，如图21所示，
图21-文章发布时间的采集规则
这个部分是编写采集规则的重点，也是难点。需要特别注意。
具体操作步骤：
（a）在在打开的文章内容页面的源代码中，找到文章内容的开始部分“计算机网络知识的学习”，如图22所示，
图22-文章内容的开始部分
这里应把””作为匹配规则的开始部分，注意到这段代码中包含一段广告代码，需要采用过滤规则把其去除。经观察发现，这段JS广告代码是位于“
图23-开始部分的匹配规则及其过滤规则
（b）找到文章内容的结束部分，因为涉及到分页部分，所以应该选取分页结束的位置，如图24所示，
图24-文章内容的结束部分
这里应选取“”作为文章内容的结束部分，由于在选取的内容中又包含了一段JS代码，因此应再次使用过滤规则，把其去除。同时，考虑到本页没有涉及到分页，所以在分页代码中的
图25-文章内容的匹配规则
到这里，“新增采集节点：第二步设置内容字段获取规则”，就设置完成了。来看一下整个配置页面，如（图26）所示，
图26-设置后的新增采集节点：第二步设置内容字段获取规则
检查无误后，单击“保存配置并预览”。如果之前设置正确，单击后，将会进入“新增采集节点：测试内容字段设置”页面并看到相应的文章内容。如（图27）和（图28）所示，
图27-新增采集节点：测试内容字段设置
图28-新增采集节点：测试内容字段设置
其中，图中画圈的地方代表的是分页符号。
确定正确无误后，如果单击“仅保存”，系统将会提示“成功保存配置“并返回”采集节点管理“界面；如果单击“保存并开始采集“，将会进入”采集指定节点“界面。否则，请单击“返回上一步进行修改”。
关于第二节的介绍就到这里。下面进入第三节。。。
时间：(2024-02-06 14:09:44)
本站资源均来自互联网或会员发布，如果不小心侵犯了您的权益请与我们联系。我们将立即删除！谢谢！
