文章采集规则(到织梦dedecms如何处理被采集页面含有以及如何使用简单的过滤规则)

　　文章采集规则(到织梦dedecms如何处理被采集页面含有以及如何使用简单的过滤规则)

　　本文将介绍织梦dedecms 如何处理采集 页面中收录的分页符以及如何使用简单的过滤规则。本文分为三部分：第一部分主要介绍如何进入采集界面以及添加采集节点的第一步：设置基本信息和URL索引页面规则；第二节，主要是引入新的采集节点的第二步：设置字段获取规则；第三部分主要介绍如何采集指定节点以及如何导出采集的内容。

　　现在进入第一部分。

　　1.1进入采集节点管理界面

　　如图（图1），在后台管理界面主菜单中点击“采集”，然后点击“采集节点管理”进入采集节点管理界面，如图（图2）.

　　图1-后台管理界面

　　图2-采集节点管理界面

　　1.2. 添加新节点

　　在采集节点管理界面，点击左下角的“添加新节点”或右上角的“添加新节点”（如2），可以进入“选择内容”模型”界面，如（如图3）,

　　图3-选择内容模型界面

　　在“选择内容模型”界面的下拉列表框中，有“普通文章”和“图片集”可供选择。

　　根据页面类型为采集，选择对应的内容模型。本文选择“图片采集”，点击确定，进入“添加采集节点：第一步是设置基本信息和URL索引页面规则”界面，如图（图4） ,

　　图4-新建采集节点：第一步是设置基本信息和URL索引页面规则

　　1.2.1 设置基本节点信息

　　图5-节点基本信息

　　如图（图5），这里只是获取“目标页面代码”的方法，其他设置请参考前面的文章。具体步骤：

　　(A) 打开采集的目标页面：；

　　(B) 右击选择“查看源文件”，找到“字符集”，如图（图6）,

　　图6-查看源文件

　　等号后面的代码就是要填写的“编码格式”，这里是“utf-8”。

　　填写后，如图（图7），

　　图7-设置后节点的基本信息

　　检查无误后，进入下一步。

　　1.2.2 设置获取列表URL的规则

　　图8-列出URL获取规则

　　如图（图8），这里是设置采集的文章列表页的匹配规则。具体步骤：

　　(A) 首先回到打开的列表页面，找到浏览器的URL地址栏中显示的URL和页面的换页部分。如图（图9）和（图10），

　　图9-浏览器的URL地址栏

　　图10-页面变化

　　(B) 点击“2”打开文章列表页第二页，再次找到浏览器URL地址栏中显示的URL和页面的换页部分，如图（图12）和（如图13），

　　图11-第二页的URL

　　图 12-第二页上的页面提要

　　(C) 在打开的列表页的第二页，点击(1）返回到列表页的第一页。此时页面的换页部分与上图10相同，但是浏览器在URL地址栏中显示的URL与之前的图9不同，如图（图13）,

　　图13-第一页的URL

　　(D) 从(b)和(c)可以推断出采集的列表页的URL遵循以下规则：

　　!0!0!200!(*)!1!0!0/. 为安全起见，请自行测试更多列表页面。确定规则后，在“匹配网址”中填写规则后跟列表页。

　　(E) 最后根据需要指定采集的页码或正则数，并设置递增的正则。

　　至此，“列表URL获取规则”部分的设置就结束了。最终结果，如图（图14），

　　图14-列出设置后的URL获取规则

　　确认无误后，进行下一步设置。