文章内容采集(4.网页内容获取规则上面介绍了列表设置的方法(图))

　　文章内容采集(4.网页内容获取规则上面介绍了列表设置的方法(图))

　　4.网页内容获取规则

　　上面介绍了列表设置的方法。接下来，我们进入内容获取规则的设置。如果采集是上菜，上面前三步的作用只是为后面的主菜做开胃菜。带领。接下来介绍如何从目标站传输文章内容采集。这一步是整个采集的核心部分。

　　继续返回织梦的PHP教程列表，在列表中随机打开一个文章。这里我们以“正则表达式”的文章为例： 将地址复制到“预览网址”；因为所有织梦文章都没有分页，所以这里的分页不需要设置，直接进入“固定采集项目”页面

　　(注意：如果采集的内容收录分页，只需要在分页导航部分设置匹配规则即可。有全部列出的分页列表，有上下页，也有不完整的分页列表根据内容可设置）

　　[td]引用如下：

　　所有列出的分页列表：分页内容列出了所有的链接，如下图

　　上下翻页形式或不完整的分页列表：单页显示当前分页内容，不完整的显示列表形式

　　[/td]

　　5. 修复采集项目

　　在这一步，我们开始分析页面的源代码。 采集 无非就是分析 HTML 页面的结构来获取我们需要的内容。因此，要求我们对HTML代码有一定的了解，通过查看页面源文件可以找到需要的内容。最好多开几页分析一下。

　　建议您使用 Dreamweaver 分析。在分析页面代码的时候，多使用搜索功能会方便很多，尤其是找到标签后，搜索一下是否有重复，减少分析错误。

　　1)文章标题：这个页面的标题是“正则表达式”复制一下，在Dreamweaver中按Ctrl+F搜索全部，有30条记录。由于其唯一性，这里我们选择第105行的“正则表达式”标签，将其复制到“固定采集项”文章标题的匹配规则中，并将标题替换为关键字“ [content]" ，最终成为 [content]。

　　2)作者：以作者为关键字继续搜索，只有110行有唯一出现，将它们与alluse前后的标签一起复制到匹配规则中，用[content]替换地点是 采集 .

　　3) 来源：同上，找到第109行的标签，复制，用[content]替换你想要的地方采集。如果源中收录超链接标签，想要去掉，那么在过滤规则框中，填写以下规则过滤掉：

　　]*)>