前言：本文是“不含分頁的普通文章的采集方法“的第二節(jié)，在前一節(jié)的基礎上，將會對新增采集節(jié)點中的第二步：“設置字段獲取規(guī)則”做詳細的說明。為了與前文保持一致，本文將延續(xù)使用前文的章節(jié)標記。

上接第一節(jié)。

 

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

 

單擊“保存信息并進入下一步設置”后，便可進入“新增采集節(jié)點：第二步設置內(nèi)容字段獲取規(guī)則”頁面，如（圖22）所示，

圖22-設置內(nèi)容字段獲取規(guī)則

 

在預覽網(wǎng)址處，系統(tǒng)將會自動指定一篇將被采集文章內(nèi)容頁面的網(wǎng)址（一般為所采集列表頁面的第一篇文章網(wǎng)址），作為示范頁面。如果文章內(nèi)容頁面含有分頁，則需設置“內(nèi)容分頁導航所在的區(qū)域匹配規(guī)則”。對于“固定采集項目”中的“內(nèi)容摘要、關鍵字和縮略圖“三個部分，系統(tǒng)會用正則進行自動匹配，這里僅需配置過濾內(nèi)容即可。下面主要介紹如何獲取“文章標題、文章作者、文章來源、發(fā)布時間和文章內(nèi)容”的采集規(guī)則，過濾規(guī)則僅簡單涉及。

 

2.1.1 獲取文章標題的采集規(guī)則

首先，打開“預覽網(wǎng)址“的頁面并單擊右鍵，選擇”查看源代碼“，找到文章標題” 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題

 

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

圖24-文章標題的采集規(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：”二字后面有一組標簽“<font color=”red”></font>”，以此猜測，作者名將會寫在這組標簽之間。同樣，為了保持唯一性，這里應填寫”作者：<font color=“red”>[內(nèi)容]</font>“作為文章作者的采集規(guī)則。謹慎起見，請根據(jù)文章列表中其他文章內(nèi)容頁面查證此采集規(guī)則是否正確。這里不需要使用過濾規(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 獲取文章來源的采集規(guī)則

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

圖26-文章來源的采集規(guī)則

 

2.1.4 獲取文章發(fā)布時間的采集規(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，此處應把“發(fā)表于： <font color=”red”>[內(nèi)容]</font>”作為發(fā)布時間的采集規(guī)則。同樣，這里也不需要使用過濾規(guī)則。填寫后，如圖27所示，

圖27-文章發(fā)布時間的采集規(guī)則

 

2.1.5 獲取文章內(nèi)容的采集規(guī)則

這個部分是編寫采集規(guī)則的重點，也是難點。需要特別注意。

具體操作步驟：

（a）回到正在打開的文章內(nèi)容頁面的源代碼，找到文章內(nèi)容的開始部分“Dreamweaver升級到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。通過對比文章內(nèi)容頁面及其源代碼，不難發(fā)現(xiàn)，第一處實為摘要，第二處才為文章內(nèi)容的開始部分。因此，應選取“<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)束部分的最后標簽為”</p>”，而此標簽在文章內(nèi)容中多次出現(xiàn)。因此，不能作為采集規(guī)則的結(jié)束標簽?？紤]到應與文章內(nèi)容的開始部分相對應，經(jīng)對比和分析后得出，此處應選取“</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

 

這里占時不使用過濾規(guī)則，關于過濾規(guī)則的介紹和使用，將會放在單獨的章節(jié)中。

 

到這里，“新增采集節(jié)點：第二步設置內(nèi)容字段獲取規(guī)則”，就設置完成了。填寫后，如（圖32）所示，

圖32-設置后的新增采集節(jié)點：第二步設置內(nèi)容字段獲取規(guī)則

 

檢查無誤后，單擊“保存配置并預覽”。如果之前設置正確，單擊后，將會進入“新增采集節(jié)點：測試內(nèi)容字段設置”頁面并看到相應的文章內(nèi)容。如（圖33）所示，

圖33-新增采集節(jié)點：測試內(nèi)容字段設置

 

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

關于第二節(jié)的介紹就到這里。下面進入第三節(jié)。。。