Dedecms织梦模板采集教程一含有分页的普通文章(2)

Dedecms织梦模板采集教程一含有分页的普通文章(2),第1张

概述前言:本文是含有分页的普通文章的采集方法的第二节,在前一节的基础上,这一节会对新增采集节点中的第二步:设置字段获取规则做详细的介绍。为了与前文保持一致,本文将延续使用前文的章节标记。 上接第一节。 2.1新增采集节点:第二步设置内容字段获取规则

前言:本文是“含有分页的普通文章的采集方法“的第二节,在前一节的基础上,这一节会对新增采集节点中的第二步:“设置字段获取规则”做详细的介绍。为了与前文保持一致,本文将延续使用前文的章节标记。

上接第一节。

 

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14)所示,

图14-设置内容字段获取规则

 

系统将会自动指定一个“预览网址”,一般是文章列表页的第一篇文章的网址。但是,由于第一篇文章中没有涉及到分页的部分,所以在这里手动更改为,第二篇文章的网址:“http://www.bitscn.com/network/protocol/201105/193110.HTML”,更改后,如(图15)所示,

图15-更改后的预览地址

 

下面来设定分页部分的匹配规则。其具体操作步骤为:

打开文章内容页面,在网页上单击右键,在弹出的对话框中单击“查看源文件“。在源代码中,找到分页代码的开始部分和结束部分,如(图16)所示,

图16-分页代码

 

经过观察可知,分页代码位于“

图17-设置后的网页内容获取规则

 

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” OpenFlow网络是空谈吗?“,如(图18)所示,

图18-在源代码中的文章标题

 

这里的文章标题处在”

图19-文章标题的采集规则

 

2.1.2 获取文章作者的采集规则

经过查找源代码和对比原文的标题部分,可发现本文没有涉及到文章作者,所以这里不用填写,空着即可。

 

2.1.3 获取文章来源的采集规则

在上图19中,可发现来源的内容介于“

图20-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17,可找到“时间:2011-05-13 11:47”,因此这里应把“时间:[内容]

图21-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)在在打开的文章内容页面的源代码中,找到文章内容的开始部分“计算机网络知识的学习”,如图22所示,

图22-文章内容的开始部分

 

这里应把”

图23-开始部分的匹配规则及其过滤规则

 

(b)找到文章内容的结束部分,因为涉及到分页部分,所以应该选取分页结束的位置,如图24所示,

图24-文章内容的结束部分

 

这里应选取“

图25-文章内容的匹配规则

 

到这里,“新增采集节点:第二步设置内容字段获取规则”,就设置完成了。来看一下整个配置页面,如(图26)所示,

图26-设置后的新增采集节点:第二步设置内容字段获取规则

 

检查无误后,单击“保存配置并预览”。如果之前设置正确,单击后,将会进入“新增采集节点:测试内容字段设置”页面并看到相应的文章内容。如(图27)和(图28)所示,

图27-新增采集节点:测试内容字段设置

 

  总结

以上是内存溢出为你收集整理的Dedecms织梦模板采集教程一含有分页的普通文章(2)全部内容,希望文章能够帮你解决Dedecms织梦模板采集教程一含有分页的普通文章(2)所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。

欢迎分享,转载请注明来源:内存溢出

原文地址:http://outofmemory.cn/zz/1047470.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 2022-05-25
下一篇2022-05-25

随机推荐

发表评论

登录后才能评论

评论列表(0条)

    保存