采集dedecms织梦采集功能的使用方法(二)我是程序员

dedecms采集时间:2021-03-19 阅读:()

dedecms织梦采集功能的使用方法二 我是程序员

Dedecms采集功能的使用方法—不含分页的普通文章

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”<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“<divclass=”arcbody”><h1>[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

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

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

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=”red”>2009-09-2914:21</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

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“<div class=”intro”> ”之后第二句在“<div class=”content”><p>”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。

(b)找到文章内容的结束部分“同样是添加值为“transp arent”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”</p>”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“</div>”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

“<div class=”content”>[内容]</div>”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。