图24-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，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”的采集规则以及简单的过滤规则。

?

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” 高清壁纸（非原创作品）“，如（图25）所示，

图25-在源代码中的文章标题

?

这里的文章标题处在”

图26-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，可发现本文没有涉及到原文作者。这里选择不填写。

?

2.1.3 获取文章来源的采集规则

这里把页面中的上传者作为文章来源，如图（27）所示，

图27-上传者的信息

?

查看源代码，并找到相应的部分，如（图28）所示，

图28-源代码中上传者的信息

?

从图28中，可发现上传者的名字介于“

图29-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

回到图23，可发现有“17小时前”，由此可见，这里采集数字17就可以了。采集规则为“

图30-文章发布时间的采集规则

?

2.1.5 获取图片集合以及图集内容的采集规则

这个部分是编写采集规则的重点，也是难点。需要特别注意。

图片集合：如果把采集的匹配规则填写在这里的话，系统就会把所采集到的图片，以图集的形式保存起来，注意这里只采集图片。

图集内容：在显示图集的时候，所需显示的说明性文字或者图片。

具体操作步骤：

（a）在打开的内容页面的源代码中，找到内容的开始部分“一些壁纸”，如图31所示，

图31-内容的开始部分

?

分析一下这个源代码可知，以下两点：

（1）“一些壁纸”是这个图集的内容，因此可以把“条评论

（2）“

填写后，如（图32）所示，

图32-开始部分的匹配规则及其过滤规则

?

（b）找到图集内容的结束部分，因为涉及到分页部分，所以应该选取分页结束的位置，如图33所示，

图33-图集内容的结束部分

?

很明显，这里应选取“

图34-结束部分的匹配规则及其过滤规则

?

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35）所示，

图35-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“保存并测试”。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36）所示，

图36-新增采集节点：测试内容字段设置

?

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。。。

（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!