织梦教程-采集功能的使用方法 --- 不含分页的普通文章之二

Dedecms采集功能的使用方法 --- 不含分页的普通文章(二)

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,

织梦教程-采集功能的使用方法 --- 不含分页的普通文章之二

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,

织梦教程-采集功能的使用方法 --- 不含分页的普通文章之二

图23-在源代码中的文章标题

这里的文章标题处在h1/h1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div class=arcbodyh1[内容]/h1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,

织梦教程-采集功能的使用方法 --- 不含分页的普通文章之二

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,在作者:二字后面有一组标签font color=red/font,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,这里应填写作者:font color=red[内容]/font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,

织梦教程-采集功能的使用方法 --- 不含分页的普通文章之二

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,可发现来源:二字后面有一组标签font color=red/font,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来源:font color=red[内容]/font。同样,这里也不需要使用过滤规则。填写后,如图26所示,

织梦教程-采集功能的使用方法 --- 不含分页的普通文章之二

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,找到发表于:及其后的font color=red2009-09-29 14:21/font,与之前获取采集规则方法相同,此处应把发表于: font color=red[内容]/font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,

织梦教程-采集功能的使用方法 --- 不含分页的普通文章之二

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Dreamweaver升级到8.0.2后,如图28所示,

织梦教程-采集功能的使用方法 --- 不含分页的普通文章之二

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div class=intro之后,第二句在div class=contentp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div class=content为匹配规则的开始部分。