文章采集规则( 如下图：图393基本设置期首页网址规则(组图))

　　文章采集规则(

如下图：图393基本设置期首页网址规则(组图))

　　添加规则

　　点击【添加】按钮打开，如下图：

　　图 393 基本设置

　　报纸名称：将是采集的报纸名称，可自定义。

　　页面编码：与报纸内容页面的编码格式一致为采集。

　　抓取方式：如果选择自动，系统会自动执行定时任务抓取数字报纸的内容。如果选择手动，则需要手动抓取数字报纸的内容。

　　状态：打开或关闭数字报告。

　　输入表单内容后，点击【下一步】按钮打开，如下图：

　　基本设置

　　填写要抓取的数字报纸基本信息，包括本期首页规则、发行周期、最新一期发行日期等。如下图：

　　图 394 基本设置

　　本期首页网址规定：数字报纸每期首页网址规定。每期数字报纸首页的URL规则使用(Y)(y)(M)(m)(D)(d)自动生成时间和日期信息。如果年份是 4 位数字，例如 2012，则使用 Y，如果年份是 2 位数字，例如 12，则使用 y。

　　出版期：填写报纸出版期，以天或月为单位。比如周报是7，日报是1，默认单位是1，如果日期填写错误，系统会自动过滤无效日期。

　　最近一期通讯的日期：填写任意一份报纸的出版时间，以便系统计算开始时间点。

　　论坛列表

　　设置电子报布局列表的范围和布局文章列表URL规则。

　　图 395 布局列表

　　Scope：获取布局列表所在的区域。布局列表类似于下图所示：

　　图 396 布局列表

　　Layout文章List URL 规则：系统会抓取标准区域中该地址的链接作为布局地址，支持通配符。

　　布局文章列表

　　设置布局对应的文章列表范围和文章内容页URL规则。

　　图 397 布局文章列表

　　Scope：获取布局文章列表所在的区域，布局文章列表类似于下图：

　　图398布局文章列表

　　文章内容页URL规则：系统会将抓取区域中该地址的链接作为文章页地址，支持通配符。

　　内容设置

　　设置文章在数字报纸中的内容范围。

　　图 399 内容设置

　　Scope：缩小内容页采集的范围，以下标题、正文、作者等信息必须在该区域内。从整个页面将其留空到 采集。

　　标题：获取文章标题。

　　Body：获取文章的body。