名站网址导航为大驾家提供DedeCMS站点程序站点教程相关的知识,比如织梦程序安装教程,织梦程序系统故障等教程。
前言:本文是“不含分页的普通文章的采集相关具体操作方法“的第二节,在前一节的基础上,将会对新增采集节点中的第二步:“设置字段获取规则”做详细的说明。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:第二步设置网站内容字段获取规则
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:第二步设置网站内容字段获取规则”页面,如(图22)所示,
图22-设置网站内容字段获取规则
在预览网址处,系统将会自动指定一篇将被采集文章网站内容页面的网址(一般为所采集站点列表页面的第一篇文章网址),作为示范页面。如果文章网站内容页面含有分页,则需设置“网站内容分页导航所在的区域匹配规则”。对于“固定采集项目”中的“网站内容摘要、关键字和缩略图“三个部分,系统会用正则进行自动匹配,这里仅需配置过滤网站内容即可。下面主要介绍如何获取“文章文章标题、文章作者、文章来源、发布时间和文章网站内容”的采集规则,过滤规则仅简单涉及。
2.1.1 获取文章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”查看源相关具体代码如下“,找到文章文章标题” 在Dreamweaver中为插入的Flash添加透明“,如(图23)所示,
图23-在源相关具体代码如下中的文章文章标题
这里的文章文章标题处在”<h1></h1>”之间,由于在此页面中多次出现这组标签,因此这里应该填写“<div class=”arcbody”><h1>[网站内容]</h1>”作为文章文章标题的匹配规则。如果在文章文章标题中含有相关链接等,可使用过滤规则加以处理,这里无需设置。填写后,如图24所示,
图24-文章文章标题的采集规则
2.1.2 获取文章作者的采集规则
如上图23所示,在“作者:”二字后面有一组标签“<font color=”red”></font>”,以此猜测,作者名将会写在这组标签之间。同样,为了保持唯一性,这里应填写”作者:<font color=“red”>[网站内容]</font>“作为文章作者的采集规则。谨慎起见,请根据文章站点列表中其他文章网站内容页面查证此采集规则是否正确。这里不需要使用过滤规则。填写后,如图25所示,
图25-文章作者的采集规则
2.1.3 获取文章来源的采集规则
在上图23中,可发现“来源:”二字后面有一组标签“<font color=”red”></font>”,以此猜测,来源网站内容将会写在这组标签之间。与2.1.2处理方式相同,为了保持唯一性,文章来源的采集规则应为“来源:<font color=“red”>[网站内容]</font>“。同样,这里也不需要使用过滤规则。填写后,如图26所示,
图26-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23,找到“发表于:”及其后的“<font color=”red”>2009-09-29 14:21</font>”,与之前获取采集规则相关具体操作方法相同,此处应把“发表于: <font color=”red”>[网站内容]</font>”作为发布时间的采集规则。同样,这里也不需要使用过滤规则。填写后,如图27所示,
图27-文章发布时间的采集规则
2.1.5 获取文章网站内容的采集规则
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)回到正在打开的文章网站内容页面的源相关具体代码如下,找到文章网站内容的开始部分“Dreamweaver升级到8.0.2后”,如图28所示,
图28-文章网站内容的开始部分
注意:在源相关具体代码如下中,有两处都出现了这句话。其中,第一句在“<div class=”intro”>”之后,第二句在“<div class=”content”><p>”之后。通过对比文章网站内容页面及其源相关具体代码如下,不难发现,第一处实为摘要,第二处才为文章网站内容的开始部分。因此,应选取“<div class=”content”>”为匹配规则的开始部分。
(b)找到文章网站内容的结束部分“同样是添加值为“transparent”的“wmode”参数。”,如图29所示,
图29-文章网站内容的结束部分
注意:由于结束部分的最后标签为”</p>”,而此标签在文章网站内容中多次出现。因此,不能作为采集规则的结束标签。考虑到应与文章网站内容的开始部分相对应,经对比和分析后得出,此处应选取“</div>”作为文章网站内容的结束部分,如图30所示,
图30-文章网站内容匹配规则的结束部分
(c)综合(a)和(b)可知,此处文章网站内容的匹配规则应为“<div class=”content”>[网站内容]</div>”,填写后,如图31所示,
图31-文章网站内容的匹配规则
这里占时不使用过滤规则,关于过滤规则的介绍和使用,将会放在单独的章节中。
到这里,“新增采集节点:第二步设置网站内容字段获取规则”,就设置完成了。填写后,如(图32)所示,
图32-设置后的新增采集节点:第二步设置网站内容字段获取规则
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:测试网站内容字段设置”页面并看到相应的文章网站内容。如(图33)所示,
图33-新增采集节点:测试网站内容字段设置
确定正确无误后,如果单击“仅保存”,系统将会提示“成功保存配置“并返回”采集节点管理“界面;如果单击“保存并开始采集“,将会进入”采集指定节点“界面。否则,请单击“返回上一步进行修改”。
关于第二节的介绍就到这里。下面进入第三节。。。
关于DedeCMS站点程序站点教程相关的知识,就说到这里了希望能帮助朋友们。Dedecms织梦程序模板采集相关具体操作方法的教程:不含分页的普通文章的采集(1)