小蜜蜂采集器使用指南 - 文章采集器使用指南.docVIP

小蜜蜂采集器文章采集器使用指南 一：建立站点和栏目 1：点击添加站点按钮出现如下页面 可以根据提示设立网站名称和网站归属栏目名称。 注：必须要先设置网站后才能设置栏目名称。并在设置栏目名称后选择网站，以便确立栏目的归属。 配置完成站点和栏目后出现如下页面 注：一个站点下可以有添加多个栏目 二：建立采集规则 1：为栏目添加规则 当你是第一次为新建立的站点添加规则时，请一定要点选站点列表栏目中的“添加规则”按钮。如下图： 点击后，我们可以选择为站点中的哪个栏目进行规则添加 2：规则编写 这里我们要着重说明，如何添加采集规则并详细说明如何编写规则。 以下的讲解将以一实际网站为例进行。 2.1 如何编写URL规则 我们以如下的链接地址为例：/tech/web/index.asp 出现如下页面 我们来分析这条URL的页面： 第一页的URL为 /tech/web/index.asp 第二页的URL 为 /tech/web/index_2.asp 第三页的URL 为 /tech/web/index_3.asp 这里我们可以看出除第1页外，起它页URL 都是有规律的在进行变化。因此我在URL链接区域填入下列内容 我们可以看见在“有规律的URL”里我们是采用了这样的的链接内容 /tech/web/index_[variable].asp 而实际的分页URL是这样的 /tech/web/index_3.asp 在这里我们用[variable]【变量】取代了数字【2】【3】，而在参数区填写了【2】，【9】。 至此我们完成了URL的添加。 2.2如何编写“链接”规则。 在上一步我们完成了URL的编写，使采集器知道哪些页面URL是要去进行采集的；但要软件知道具体要采集哪些内容，我们就要编辑“链接”规则。 首先确定哪些链接是我们要采集的： 在当前页我们按“F7”，或点选IE中的“查看”－“源文件”按钮，打开记事本查看当前页的HTML源代码文件。查找到特定代码区域，如下图： 我们可以发现这些代码都是有规律的，依据规律提取如下 img src=/img/icon/arrow.gif width=4 height=13 a href=/tech/web/2005/2815.aspDW8代码工具栏试用/a/td 对以上代码我们做如下编写 img src=/img/icon/arrow.gif width=4 height=13 a href=[link][title]/a/td 以上我们用[link]【链接】标签替换了“/tech/web/2005/2815.asp”，用[title]【标题】标签替换了“DW8代码工具栏试用”。 编辑“链接”规则做完后，选择“提交”按钮后点击“采集测试”按钮，以测试规则是否配置正确。 如配置正确会出现如下页面： 这表明前几步的配置是完全正确的，现可以进行实际文章内容的采集配置了。 2.3 如何配置文章内容的采集 在链接中选取一个页面打开，为有针对性的演示内容配置中的特殊用法，这里选取的链接地址为“实现一个日期下拉菜单/tech/web/2006/3169.asp）。 在当前页我们按“F7”，或点选IE中的“查看”－“源文件”按钮，打开记事本查看当前页的HTML源代码文件。 2.3.1 配置文章内容的“标题”栏。 在已打开的源代码文件中，查找包含标题的特定HTML代码，找到代码如下： title蓝色理想 - 实现一个日期下拉菜单/title 因为我们需要的标题内容是“实现一个日期下拉菜单”，这里我们用[title]【标题】标签放到需要的内容处，替换该代码如下： 2.3.2配置文章内容的“内容”栏 查找到包含内容的特定源码区域 table width=100% border=0 cellspacing=11 cellpadding=0 class=pageLighter tr td class=content P这篇文章的主旨是弄清楚如何根………………………. 使用JavaScript的Date对象时要特别注意这一点。/P p align=right出处 这里我们要选择包含内容源码的开始特征码和结束特征码，通过分析我们选择配置如下 这里我们使用了[content]【内容】标签替换了内容页的全部代码。实际代码如下 tr td class=content[content]p align=right出处 2.3.3配置文章内容“内容分页” 在该链接中，完整的文章是分成为三个页面构成的。“内容分页”一般有两种表现形式，1：全部列出形式，2：上下页形式。我们对两种形式的编码配置进行演示 A：全部列出形式 HTML源代码如下 p class=listimg