Dedecms织梦模板采集教程一含有分页的普通文章(2)
|
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。 上接第一节。 ? 2.1新增采集节点：第二步设置内容字段获取规则? 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第一篇文章的网址。但是，由于第一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：“http://www.bitscn.com/network/protocol/201105/193110.html”，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。 ? 2.1.1 获取文章标题的采集规则首先，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”
图19-文章标题的采集规则 ? 2.1.2 获取文章作者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。 ? 2.1.3 获取文章来源的采集规则
在上图19中，可发现来源的内容介于“
图20-文章来源的采集规则 ? 2.1.4 获取文章发布时间的采集规则
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]
图21-文章发布时间的采集规则 ? 2.1.5 获取文章内容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”
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“
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 ?
? （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
