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

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。。。

?

（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!