前言：本文是“Dedecms采集功能的使用方法 --- 圖片集“的第二節(jié)，在前一節(jié)的基礎(chǔ)上，將會(huì)對新增采集節(jié)點(diǎn)中的第二步：“設(shè)置字段獲取規(guī)則”部分做一個(gè)簡單的介紹。為了與前文保持一致，本文將延續(xù)使用前文的章節(jié)標(biāo)記。

上接第一節(jié)。

2.1新增采集節(jié)點(diǎn)：第二步設(shè)置內(nèi)容字段獲取規(guī)則

單擊“保存信息并進(jìn)入下一步設(shè)置”后，便可進(jìn)入“新增采集節(jié)點(diǎn)：第二步設(shè)置內(nèi)容字段獲取規(guī)則”頁面，如（圖21）所示，

圖21-設(shè)置內(nèi)容字段獲取規(guī)則

在預(yù)覽網(wǎng)址處，系統(tǒng)將會(huì)自動(dòng)指定一篇文章作為示范頁面，如有特殊需要可自行更改。打開示范頁面，經(jīng)觀察可發(fā)現(xiàn)頁面中含有分頁，如（圖22）所示，

圖22-分頁

下面來設(shè)置分頁部分的匹配規(guī)則。

具體操作步驟：

（a）在頁面的源代碼中，找到分頁代碼的開始部分和結(jié)束部分，如（圖23）所示，

圖23-分頁代碼

（b）經(jīng)過觀察可知，分頁代碼位于“<div class=”show_pages”>“和”</div>”之間。因此，在”內(nèi)容分頁導(dǎo)航所在的區(qū)域匹配規(guī)則“中，應(yīng)填寫”<div class=”show_pages”>[內(nèi)容]</div> “。對于分頁代碼的樣式，一共有三種可供選擇，這里應(yīng)選擇第一種” 全部列出的分頁列表”。填寫后，如（圖24）所示

圖24-設(shè)置后的網(wǎng)頁內(nèi)容獲取規(guī)則

對于“固定采集項(xiàng)目”中的“內(nèi)容摘要、關(guān)鍵字和縮略圖“三個(gè)部分，系統(tǒng)會(huì)用正則進(jìn)行自動(dòng)匹配，僅需配置過濾內(nèi)容即可。下面主要介紹如何獲取“文章標(biāo)題、文章作者、文章來源、發(fā)布時(shí)間和文章內(nèi)容”的采集規(guī)則以及簡單的過濾規(guī)則。

2.1.1 獲取文章標(biāo)題的采集規(guī)則

首先，打開“預(yù)覽網(wǎng)址“的頁面并單擊右鍵，選擇”查看源代碼“，找到文章標(biāo)題” 高清壁紙（非原創(chuàng)作品）“，如（圖25）所示，

圖25-在源代碼中的文章標(biāo)題

這里的文章標(biāo)題處在”<h1 class=“font14 b blink”></h1>”之間，因此這里應(yīng)該填寫”<h1 class=“ font14 b blink”>[內(nèi)容]</h1>”作為文章標(biāo)題的匹配規(guī)則。對于所包含的<img src=”/images/digest1.gif alt=”推薦的欣賞”>”可根據(jù)需要選擇保留或者是過濾掉。如果希望把這張圖片過濾掉，需要在過濾規(guī)則中填寫：“{dede:trim replace=''}<img([^>]*)>{/dede:trim}”。填寫后，如（圖26）所示，

圖26-文章標(biāo)題的采集規(guī)則

2.1.2 獲取文章作者的采集規(guī)則

經(jīng)過查找源代碼和對比原文，可發(fā)現(xiàn)本文沒有涉及到原文作者。這里選擇不填寫。

2.1.3 獲取文章來源的采集規(guī)則

這里把頁面中的上傳者作為文章來源，如圖（27）所示，

圖27-上傳者的信息

查看源代碼，并找到相應(yīng)的部分，如（圖28）所示，

圖28-源代碼中上傳者的信息

從圖28中，可發(fā)現(xiàn)上傳者的名字介于“<li class="show_content_r_box_uploader1"><p>“和“</p>”之間，因此這里應(yīng)填寫“<li class="show_content_r_box_uploader1"><p>[內(nèi)容]</p>”作為文章來源的采集規(guī)則。雖然，選定的采集規(guī)則能采集到上傳者的名字，但是同時(shí)也包含了所不希望采集到的圖片和鏈接，下面通過設(shè)置過濾規(guī)則把它們過濾掉。首先，過濾掉鏈接，這里使用“{dede:trim replace=''}<a([^>]*)>{/dede:trim}{dede:trim replace=’’}</a>{/dede:trim}”;其次，使用“{dede:trim replace=''}<img([^>]*)>{/dede:trim}”過濾掉圖片。填寫后，如圖29所示，

圖29-文章來源的采集規(guī)則

2.1.4 獲取文章發(fā)布時(shí)間的采集規(guī)則

回到圖23，可發(fā)現(xiàn)有“17小時(shí)前”，由此可見，這里采集數(shù)字17就可以了。采集規(guī)則為“<span class=”bh”>[內(nèi)容]小時(shí)前</span>”。這里不需要使用過濾規(guī)則。填寫后，如圖30所示，

圖30-文章發(fā)布時(shí)間的采集規(guī)則

2.1.5 獲取圖片集合以及圖集內(nèi)容的采集規(guī)則

這個(gè)部分是編寫采集規(guī)則的重點(diǎn)，也是難點(diǎn)。需要特別注意。

圖片集合：如果把采集的匹配規(guī)則填寫在這里的話，系統(tǒng)就會(huì)把所采集到的圖片，以圖集的形式保存起來，注意這里只采集圖片。

圖集內(nèi)容：在顯示圖集的時(shí)候，所需顯示的說明性文字或者圖片。

具體操作步驟：

（a）在打開的內(nèi)容頁面的源代碼中，找到內(nèi)容的開始部分“一些壁紙”，如圖31所示，

圖31-內(nèi)容的開始部分

分析一下這個(gè)源代碼可知，以下兩點(diǎn)：

（1）“一些壁紙”是這個(gè)圖集的內(nèi)容，因此可以把“條評論<br/>”作為匹配圖集內(nèi)容的開始部分。但是這樣采集到的內(nèi)容會(huì)包含有</span>，應(yīng)該在過濾規(guī)則中使用“{dede:trim replace=""}</span>{/dede:trim}”過濾掉。

（2）“<div class=”show_content_pic”><ul>”可作為匹配圖片集合的開始部分，而且每一個(gè)圖片及其相關(guān)信息都是在“<li class=”art_content_listli”>”和”</li>”之間的。注意到這段代碼中有兩個(gè)地方都出現(xiàn)了<img>，通過對比原文可發(fā)現(xiàn)，”<img src=”/images/zoomit1.gif” class=”jdjz”>”是一個(gè)圖標(biāo)的源代碼，這里是不應(yīng)該被采集到的。為了過濾掉這個(gè)圖標(biāo)，需要在匹配規(guī)則中填寫“{dede:trim replace=""}<p class="art_content_li_p1 u">(.*)</p>{/dede:trim}”。

填寫后，如（圖32）所示，

圖32-開始部分的匹配規(guī)則及其過濾規(guī)則

（b）找到圖集內(nèi)容的結(jié)束部分，因?yàn)樯婕暗椒猪摬糠郑詰?yīng)該選取分頁結(jié)束的位置，如圖33所示，

圖33-圖集內(nèi)容的結(jié)束部分

很明顯，這里應(yīng)選取“<li ><ｓｃｒｉｐｔ type="text/javaｓｃｒｉｐｔ”>”作為圖片集合和圖集內(nèi)容的結(jié)束部分。填寫完成后，如（圖34）所示，

圖34-結(jié)束部分的匹配規(guī)則及其過濾規(guī)則

到這里，“新增采集節(jié)點(diǎn)：第二步設(shè)置內(nèi)容字段獲取規(guī)則”，就設(shè)置完成了。來看一下整個(gè)配置頁面，如（圖35）所示，

圖35-設(shè)置后的新增采集節(jié)點(diǎn)：第二步設(shè)置內(nèi)容字段獲取規(guī)則

檢查無誤后，單擊“保存并測試”。如果之前設(shè)置正確，單擊后，將會(huì)進(jìn)入“新增采集節(jié)點(diǎn)：測試內(nèi)容字段設(shè)置”頁面并看到相應(yīng)的文章內(nèi)容。如（圖36）所示，

圖36-新增采集節(jié)點(diǎn)：測試內(nèi)容字段設(shè)置

確定正確無誤后，如果單擊“僅保存”，系統(tǒng)將會(huì)提示“成功保存配置“并返回”采集節(jié)點(diǎn)管理“界面；如果單擊“保存并開始采集“，將會(huì)進(jìn)入”采集指定節(jié)點(diǎn)“界面。否則，請單擊“返回上一步進(jìn)行修改”。

關(guān)于第二節(jié)的介紹就到這里。下面進(jìn)入第三節(jié)。。。