HTML头部区域和主体区域是什么意思?简单点说。

HTML头部区域和主体区域是什么意思?简单点说。,第1张

HTML头部区域就是html页面里得head标签里所放的就是区域就要头部区域,head标签可以放link,meta,style,scrip,以及title。

HTML主题区域,那就是body标签内,body标签内,可以说你想放啥就放啥,但是也要讲究规律的。body内也分头,主体,底部区域。具体怎样,主要是还要看页面怎么布局。

方法/步骤

1、首先我们打开织梦后台点击

采集——采集节点管理——增加新节点

2、这里我们以采集普通文章为例,我们选择普通文章,然后确定

3、我们进入了采集的设置页面,填写节点名称,就是给这个新节点取个名字,这里你可以任意填写。

然后打开你想要采集的文章列表页,打开链接这个页面,右键——查看源文件

找到目标页面编码,就在charset后面

4、页面基本信息其他的一般就不用管了,填完了如图

5、现在我们来填写列表网址获取规则

看看文章列表第一页的地址jianzhanxinde/list_49_1.html

对比第二页的地址jianzhanxinde/list_49_2.html

我们发现了他们除了49_后面的数字不一样,其他的都一样,所以我们可以这样写

/jianzhanxinde/list_49_(*).html

就是把1换成了(*)

因为这里只有2页,所以我们就填从1到2

每页递增当然是1了,2-1...是等于1吧

这里我们就填写完了

6、可能大家采集的有些列表没有规则,那就只有手工指定列表网址了,如图

7、每行写一个页面地址

列表规则写完了,我们就开始写文章网址匹配规则了,回到文章列表页

右键查看源文件

找到区域开始的HTML,就是找文章列表开始的标志。

8、我们很容易的找到了如图中的“新闻列表”

。从这里开始,后面就是文章列表里

我们再找文章列表结束的HTML

9、就是这个了,一个很容易找到的标志

如果链接中含有图片:

不处理

采集为缩略图

这里根据自己的需要选择

对区域网址进行再次筛选:

(使用正则表达式)

必须包含:

(优先级高于后者)

不能包含:

打开源文件,我们可以很清楚的看到,文章链接都是以.html结束的

所以,我们在必须包含后面填.html

如果遇到有些列表很麻烦,还可以填写后面的不能包含

8、我们点击保存设置进入下一步,可以看到我们获得的文章网址

看到这些就是对的了,我们保存信息进入下一步设置内容字段获取规则

我们看看文章有没有分页,随便进入一篇文章看看。。我们看到这里的文章没有分页

所以这里的我们就默认了

9、我们现在来找文章标题等等

随便进入一篇文章,右键查看源文件

看看这些

10、依照源码填写

11、我们再来填写文章内容的开始,结束

和上面的一样,找到开始和结束标志

12、开始:

12、结束:

13、你想过滤文章中的什么内容就到过滤规则里写吧,比如要过滤文章中的图片

选择常用规则

14、再勾选IMG,然后确定

15、这样我们就把正文中的图片过滤了

设置完毕后点保存设置并预览

这样一个采集规则就写好了,很简单吧有些网站很难写,可要多下点功夫了哦

16、我们点保存并开始采集——开始采集网页

一会的功夫就采集完了

17我们看看我们采集到的文章

18、看来是成功了,我们导出数据吧


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zaji/6135752.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-03-16
下一篇 2023-03-16

发表评论

登录后才能评论

评论列表(0条)

保存