新浪互联网新闻手工指定文章列表网址下具体匹配规则

　　新浪互联网新闻手工指定文章列表网址下具体匹配规则

　　让我们以采集“新浪网新闻”为例，以文章列表URL为例，因此在“手动指定文章列表URL”中输入该URL，如下所示：

　　之后，您需要在文章列表URL下设置特定文章 URL的匹配规则

　　五、文章网址匹配规则

　　文章 URL匹配规则的设置非常简单，不需要复杂的设置，并且提供了两种匹配模式。您可以使用URL通配符匹配或CSS选择器进行匹配。通常，URL通配符匹配相对简单。

　　1.使用URL通配符匹配

　　通过在列表URL上单击文章，我们可以发现每个文章的URL具有以下结构

　　因此，用通配符（*）替换URL中更改的数字或字母，例如：（*）/（**。shtml）

　　2.使用CSS选择器进行匹配

　　使用CSS选择器进行匹配，我们只需设置文章 URL的CSS选择器即可（不知道什么是CSS选择器，请在一分钟内学习如何设置CSS选择器）。列表URL您可以轻松地对其进行设置，并在列表URL下找到特定文章超链接的代码，如下所示：

　　如您所见，超链接文章的标签位于类为“ contList”的标签内，因此文章 URL的CSS选择器只需设置为.contList a，如下所示：

　　设置完成后，如果不确定设置是否正确，则可以单击上图中的“测试”按钮。如果设置正确，将列出列表URL下的所有文章名称和相应的网址，如下所示：

　　六、文章抓取设置

　　在此选项卡下，我们需要为文章标题和文章内容设置匹配规则，并提供两种设置方式。建议使用CSS选择器方法，该方法更简单，更准确。 （我不知道什么是CSS选择器，但要学习如何在一分钟内设置它）

　　我们只需要设置文章标题CSS选择器和文章内容CSS选择器即可准确捕获文章标题和文章内容。

　　在文章源设置中，我们以采集《新浪网新闻》为例，此处以示例为例进行说明，您可以通过查看列表中某文章文章的源代码轻松设置网址，例如，我们检查特定文章的源代码，如下所示：

　　如您所见，文章标题位于ID为“ artibodyTitle”的标签内，因此文章标题CSS选择器只需设置为#artibodyTitle;

　　类似地，找到文章内容的相关代码：

　　如您所见，文章的内容位于ID为“ artibody”的标签内，因此文章内容CSS选择器仅需要设置为#artibody；如下所示：

　　设置完成后，如果您不确定设置是否正确，可以单击测试按钮并输入测试地址。如果设置正确，则会显示文章标题和文章内容，以便于检查设置

　　七、抓取文章页内容

　　如果文章的内容太长，则有多个页面也可以捕获所有内容，那么您需要设置文章页面链接CSS选择器，并通过查看页面上的链接来查找页面链接的位置。特定的文章 URL源代码，例如文章的分页链接代码如下：

　　如您所见，分页链接A标签位于类为“页面链接”的标签内

　　因此，可以将文章页面链接CSS选择器设置为.page-link a，如下所示：

　　如果在发布时选中“分页”，则也会分页发布文章。如果您的WordPress主题不支持标签，请不要对其进行检查。

　　八、文章内容过滤功能

　　文章内容过滤功能可以过滤出您不想在正文中发布的内容（例如广告代码，版权信息等），您可以设置两个关键词，在两个之间删除内容两个关键词，关键词 2可以为空，这意味着关键词 1之后的所有内容都将被删除。

　　如下所示，在通过测试抓取文章后，我们发现文章收录我们不想发布的内容，切换到HTML显示，找到内容的HTML代码，并设置了两个关键词分别过滤掉内容。

　　如上所示，如果我们要过滤掉以上

　　和

　　在两者之间添加以下设置。

　　如果需要过滤出多个内容，则可以添加多组设置。

　　九、HTML标签过滤功能

　　HTML标签过滤功能可以过滤采集 文章中的超链接（标签），