html采集某一个指定页面的文章包括（catid）

　　html采集某一个指定页面的文章包括（catid）

　　任务：html

　　指定页面的采集文章包括（标题、图片、描述、内容）导入到自己的网站数据库对应列（列id为57），数据库字段分别为（标题） , 拇指, 描述, 内容). 数据库

　　页面第一张图片是文章缩略图，这里一个是获取缩略图名称并把对应的网站路径添加到数据库的thumb字段中，另一个是下载到本地上传它到指定的文件。文件夹，（虽然貌似软件可以直接ftp，还没搞定，以后会补上）测试

　　一、New group--New task网站

　　二、Add URL + 编辑获取 URL spa 的规则

　　选择ul中li中的链接，注意排除重复地址，可以点击下方测试网址采集获取。 3d

　　可以看到采集到达的文章已连接。 htm

　　三、采集content 规则博客

　　我需要采集显示下图中的数据（catid是列id，可以把采集的数据放到对应的列中，设置一个固定值即可） image

　　关注内容和图片的采集，标题和描述与内容采集it一致

　　Content采集：

　　打开一个采集的文章页面查看源码（f11右键禁用或者view-source：也可以在URL前面查看）：

　　选择文章开头的一个位置，截取一段，看是否是ctrl+f下的唯一一段。如果能放在下图1的位置，结尾和开头一样。

　　不想截取有连接图片的内容才能处理数据，添加--html标签排除--选择确定--确定

　　还有需要下载页面图片，勾选并填写以下选项

　　图片采集：

　　(1）所选范围与内容一致(文章内图片)

　　(2）数据处理选提取第一张图片内容为：

　　(3）只要aa.jpg，常规过滤

　　获取内容：aa.jpg

　　(4）database 是带前缀存储的，添加，upload/xxxxx/

　　找一个页面测试一下，可以看到对应的item都获取到了。

　　四、 发布内容设置，这里以发布到数据库的方式为例，编辑完成后返回这里查看刚刚定义的模块：

　　五、我需要将图片保存到本地，需要设置保存文件的路径（ftp稍后会尝试使用）。

　　六、保存，查看新创建的任务，右键启动任务，可以看到这里下载了文字和图片，在数据库中可以看到。