Dedecms采集功能的使用方法 --- 不含分页的普通文章(二)

日期: 2018-04-17 02:12:41 人气: - 评论: 0

前言:本文是“不含分页的普通文章的采集方法“的第二节,在前一节的基础上,将会对新增采集节点中的第二步:“设置字段获取规则”做详细的说明。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22)所示,

图22-设置内容字段获取规则

 

在预览网址处,系统将会自动指定一篇将被采集文章内容页面的网址(一般为所采集列表页面的第一篇文章网址),作为示范页面。如果文章内容页面含有分页,则需设置“内容分页导航所在的区域匹配规则”。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” 在Dreamweaver中为插入的Flash添加透明“,如(图23)所示,

图23-在源代码中的文章标题

 

这里的文章标题处在&rdquo;<h1></h1>&rdquo;之间,由于在此页面中多次出现这组标签,因此这里应该填写&ldquo;<div class=&rdquo;arcbody&rdquo;><h1>[内容]</h1>&rdquo;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24所示,

图24-文章标题的采集规则

 

2.1.2 获取文章作者的采集规则

如上图23所示,在&ldquo;作者:&rdquo;二字后面有一组标签&ldquo;<font color=&rdquo;red&rdquo;></font>&rdquo;,以此猜测,作者名将会写在这组标签之间。同样,为了保持唯一性,这里应填写&rdquo;作者:<font color=&ldquo;red&rdquo;>[内容]</font>&ldquo;作为文章作者的采集规则。谨慎起见,请根据文章列表中其他文章内容页面查证此采集规则是否正确。这里不需要使用过滤规则。填写后,如图25所示,

图25-文章作者的采集规则

 

2.1.3 获取文章来源的采集规则

在上图23中,可发现&ldquo;来源:&rdquo;二字后面有一组标签&ldquo;<font color=&rdquo;red&rdquo;></font>&rdquo;,以此猜测,来源内容将会写在这组标签之间。与2.1.2处理方式相同,为了保持唯一性,文章来源的采集规则应为&ldquo;来源:<font color=&ldquo;red&rdquo;>[内容]</font>&ldquo;。同样,这里也不需要使用过滤规则。填写后,如图26所示,

图26-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23,找到&ldquo;发表于:&rdquo;及其后的&ldquo;<font color=&rdquo;red&rdquo;>2009-09-29 14:21</font>&rdquo;,与之前获取采集规则方法相同,此处应把&ldquo;发表于: <font color=&rdquo;red&rdquo;>[内容]</font>&rdquo;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27所示,

图27-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)回到正在打开的文章内容页面的源代码,找到文章内容的开始部分&ldquo;Dreamweaver升级到8.0.2后&rdquo;,如图28所示,

图28-文章内容的开始部分

 

注意:在源代码中,有两处都出现了这句话。其中,第一句在&ldquo;<div class=&rdquo;intro&rdquo;>&rdquo;之后,第二句在&ldquo;<div class=&rdquo;content&rdquo;><p>&rdquo;之后。通过对比文章内容页面及其源代码,不难发现,第一处实为摘要,第二处才为文章内容的开始部分。因此,应选取&ldquo;<div class=&rdquo;content&rdquo;>&rdquo;为匹配规则的开始部分。

 

(b)找到文章内容的结束部分&ldquo;同样是添加值为&ldquo;transparent&rdquo;的&ldquo;wmode&rdquo;参数。&rdquo;,如图29所示,

图29-文章内容的结束部分

 

注意:由于结束部分的最后标签为&rdquo;</p>&rdquo;,而此标签在文章内容中多次出现。因此,不能作为采集规则的结束标签。考虑到应与文章内容的开始部分相对应,经对比和分析后得出,此处应选取&ldquo;</div>&rdquo;作为文章内容的结束部分,如图30所示,

图30-文章内容匹配规则的结束部分

 

(c)综合(a)和(b)可知,此处文章内容的匹配规则应为&ldquo;<div class=&rdquo;content&rdquo;>[内容]</div>&rdquo;,填写后,如图31所示,

图31-文章内容的匹配规则

 

这里占时不使用过滤规则,关于过滤规则的介绍和使用,将会放在单独的章节中。

 

到这里,&ldquo;新增采集节点:第二步设置内容字段获取规则&rdquo;,就设置完成了。填写后,如(图32)所示,

图32-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&ldquo;保存配置并预览&rdquo;。如果之前设置正确,单击后,将会进入&ldquo;新增采集节点:测试内容字段设置&rdquo;页面并看到相应的文章内容。如(图33)所示,

图33-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&ldquo;仅保存&rdquo;,系统将会提示&ldquo;成功保存配置&ldquo;并返回&rdquo;采集节点管理&ldquo;界面;如果单击&ldquo;保存并开始采集&ldquo;,将会进入&rdquo;采集指定节点&ldquo;界面。否则,请单击&ldquo;返回上一步进行修改&rdquo;。

关于第二节的介绍就到这里。下面进入第三节。。。