|
|
|
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，
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””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“[内容,”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“作者：”二字后面有一组标签“
[color=,
”，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：
[color=,[内容,
“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“来源：”二字后面有一组标签“
[color=,
”，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：
[color=,[内容,
“。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“发表于：”及其后的“
[color=,2009-09-29 14:21
”，与之前获取采集规则方法相同，此处应把“发表于：
[color=,[内容,
”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“Dreamweaver升级到8.0.2后”，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“”之后，第二句在“”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“”为匹配规则的开始部分。
（b）找到文章内容的结束部分“同样是添加值为“transparent”的“wmode”参数。”，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”
”，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“”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“[内容,”，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，“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。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“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“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。。。
|
|
发表于 2019-3-20 22:00:00
