前言：本文是“不含分頁(yè)的普通文章的采集方法“的第二節(jié)，在前一節(jié)的基礎(chǔ)上，將會(huì)對(duì)新增采集節(jié)點(diǎn)中的第二步：“設(shè)置字段獲取規(guī)則”做詳細(xì)的說(shuō)明。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(yè)面，如（圖22）所示，

圖22-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)指定一篇將被采集文章內(nèi)容頁(yè)面的網(wǎng)址（一般為所采集列表頁(yè)面的第一篇文章網(wǎng)址），作為示范頁(yè)面。如果文章內(nèi)容頁(yè)面含有分頁(yè)，則需設(shè)置“內(nèi)容分頁(yè)導(dǎo)航所在的區(qū)域匹配規(guī)則”。對(duì)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，這里僅需配置過(guò)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(lái)源、發(fā)布時(shí)間和文章內(nèi)容”的采集規(guī)則，過(guò)濾規(guī)則僅簡(jiǎn)單涉及。

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(yè)面并單擊右鍵，選擇”查看源代碼“，找到文章標(biāo)題” 在Dreamweaver中為插入的Flash添加透明“，如（圖23）所示，

圖23-在源代碼中的文章標(biāo)題

這里的文章標(biāo)題處在”<h1></h1>”之間，由于在此頁(yè)面中多次出現(xiàn)這組標(biāo)簽，因此這里應(yīng)該填寫“<div class=”arcbody”><h1>[內(nèi)容]</h1>”作為文章標(biāo)題的匹配規(guī)則。如果在文章標(biāo)題中含有相關(guān)鏈接等，可使用過(guò)濾規(guī)則加以處理，這里無(wú)需設(shè)置。填寫后，如圖24所示，

圖24-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

如上圖23所示，在“作者：”二字后面有一組標(biāo)簽“<font color=”red”></font>”，以此猜測(cè)，作者名將會(huì)寫在這組標(biāo)簽之間。同樣，為了保持唯一性，這里應(yīng)填寫”作者：<font color=“red”>[內(nèi)容]</font>“作為文章作者的采集規(guī)則。謹(jǐn)慎起見，請(qǐng)根據(jù)文章列表中其他文章內(nèi)容頁(yè)面查證此采集規(guī)則是否正確。這里不需要使用過(guò)濾規(guī)則。填寫后，如圖25所示，

圖25-文章作者的采集規(guī)則

2.1.3 獲取文章來(lái)源的采集規(guī)則

在上圖23中，可發(fā)現(xiàn)“來(lái)源：”二字后面有一組標(biāo)簽“<font color=”red”></font>”，以此猜測(cè)，來(lái)源內(nèi)容將會(huì)寫在這組標(biāo)簽之間。與2.1.2處理方式相同，為了保持唯一性，文章來(lái)源的采集規(guī)則應(yīng)為“來(lái)源：<font color=“red”>[內(nèi)容]</font>“。同樣，這里也不需要使用過(guò)濾規(guī)則。填寫后，如圖26所示，

圖26-文章來(lái)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

再次回到圖23，找到“發(fā)表于：”及其后的“<font color=”red”>2009-09-29 14:21</font>”，與之前獲取采集規(guī)則方法相同，此處應(yīng)把“發(fā)表于： <font color=”red”>[內(nèi)容]</font>”作為發(fā)布時(shí)間的采集規(guī)則。同樣，這里也不需要使用過(guò)濾規(guī)則。填寫后，如圖27所示，

圖27-文章發(fā)布時(shí)間的采集規(guī)則

2.1.5 獲取文章內(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。

具體操作步驟：

（a）回到正在打開的文章內(nèi)容頁(yè)面的源代碼，找到文章內(nèi)容的開始部分“Dreamweaver升級(jí)到8.0.2后”，如圖28所示，

圖28-文章內(nèi)容的開始部分

注意：在源代碼中，有兩處都出現(xiàn)了這句話。其中，第一句在“<div class=”intro”>”之后，第二句在“<div class=”content”><p>”之后。通過(guò)對(duì)比文章內(nèi)容頁(yè)面及其源代碼，不難發(fā)現(xiàn)，第一處實(shí)為摘要，第二處才為文章內(nèi)容的開始部分。因此，應(yīng)選取“<div class=”content”>”為匹配規(guī)則的開始部分。

（b）找到文章內(nèi)容的結(jié)束部分“同樣是添加值為“transparent”的“wmode”參數(shù)。”，如圖29所示，

圖29-文章內(nèi)容的結(jié)束部分

注意：由于結(jié)束部分的最后標(biāo)簽為”</p>”，而此標(biāo)簽在文章內(nèi)容中多次出現(xiàn)。因此，不能作為采集規(guī)則的結(jié)束標(biāo)簽?？紤]到應(yīng)與文章內(nèi)容的開始部分相對(duì)應(yīng)，經(jīng)對(duì)比和分析后得出，此處應(yīng)選取“</div>”作為文章內(nèi)容的結(jié)束部分，如圖30所示，

圖30-文章內(nèi)容匹配規(guī)則的結(jié)束部分

（c）綜合（a）和（b）可知，此處文章內(nèi)容的匹配規(guī)則應(yīng)為“<div class=”content”>[內(nèi)容]</div>”，填寫后，如圖31所示，

圖31-文章內(nèi)容的匹配規(guī)則

這里占時(shí)不使用過(guò)濾規(guī)則，關(guān)于過(guò)濾規(guī)則的介紹和使用，將會(huì)放在單獨(dú)的章節(jié)中。

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。填寫后，如（圖32）所示，

圖32-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(wú)誤后，單擊“保存配置并預(yù)覽”。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(cè)試內(nèi)容字段設(shè)置”頁(yè)面并看到相應(yīng)的文章內(nèi)容。如（圖33）所示，

圖33-新增采集節(jié)點(diǎn)：測(cè)試內(nèi)容字段設(shè)置

確定正確無(wú)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(qǐng)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)。。。