dedecms织梦采集功能的使用方法(二)我是程序员.docxVIP

dedecms 织梦采集功能的使用方法（二） 我是程序员 Dedecms 采集功能的使用方法 — 不含分页的普通文章 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22 集节点：第二步设置内容字段获取规则”页面，如（图 22) 所示， 图 22- 设置内容字段获取规则 在预览网址处，系统将会自动指定一篇将被采集文章内容页 面的网址（一般为所采集列表页面的第一篇文章网址），作 面的网址（一般为所采集列表页面的第一篇文章网址） ，作 为示范页面。如果文章内容页面含有分页，则需设置“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“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。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 分页导航所在的区域匹配规则” 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。 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 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” 在 Dreamweaver 中为插入的 Flash 添加透明“，如（图 23）所示， 图 23- 在源代码中的文章标题 这里的文章标题处在” lt;h1gt;lt;/h1gt; ”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“ lt;div class=”arcbody”gt;lt;h1gt;[ 内容 ]lt;/h1gt; ”作为文章 标题的匹配规则。如果在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 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“ lt;font color=” red” gt;lt;/fontgt; ”，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：Itfont color= “ red” gt;［内容］lt;/fontgt; “作为文章 作者的采集规则。谨慎起见，请根据文章列表中其他文章内 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 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“ lt;font color= ” red”gt;2009-09-29 14:21lt;/fontgt; ”，与之前获取采集规 则方法相同， 此处应把“发表于： lt;font color= ”red”gt;[ 内 容]lt;/fontgt; ”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内容页面的源代码， 找到文章内容 的开始部分“ Dreamweaver 升级到 8.0.2 后”，如图 28 所示， 图 28- 文章内容的开始部分 注意：在源代码中，有两处都出现了这句话。其中，第一句 在“ lt;div class= ” intro ” gt; ”之后，第二句在“ lt;div class= ” content” gt;lt;pgt; ”之后。通过对比文章内容页面及其 源代码，不难发现，第一处实为摘要，第二处才为文章内容 的开始部分。因此，应选取“ lt;div class= ” content” gt; ” 为匹配规则的开始部分。 (b)找到文章内容的结束部分“同样是添加值为“ trans parent” 的“ wmode ”参数。”，如图 29 所示， 图 29- 文章内容的结束部分 注意：由于结束部分的最后标签为” lt;/pgt; ”，而此标签 在文章内容中多次出现。因此，不能作为采集规则的结束标 签。考虑到应与文章内容的开始部分相对应，经对比和分析 后得出，此处应选取“ lt;/divgt; ”作为文章内容的结束部 分，如图 30 所示， 图 30- 文章内容匹配规则的结束部分 （c）综合（a）和（b）可