【知识点】文章网址的匹配规则（一）——文章列表

　　【知识点】文章网址的匹配规则（一）——文章列表

　　以采集“新浪网”为例，文章列表网址为/internet_worldlist/index.shtml，所以在手动指定的文章列表网址中输入网址，如下图：

　　之后需要在文章List URL下设置特定文章 URL的匹配规则

　　五、文章URL 匹配规则

　　文章网址匹配规则的设置非常简单，不需要复杂的设置，提供两种匹配方式。您可以使用 URL 通配符匹配或 CSS 选择器进行匹配。一般来说，URL通配符匹配比较简单。

　　1.使用 URL 通配符匹配

　　通过点击列表URL/internet_worldlist/index.shtml上的文章，我们可以发现每个文章 URL的结构如下

　　/i/2013-06-27/.shtml

　　所以用通配符(*)替换URL中改变的数字或字母，例如：/i/(*)/(*).shtml

　　2.使用CSS选择器进行匹配

　　使用CSS选择器进行匹配，我们只需要设置文章URL的CSS选择器（不知道什么是CSS选择器，*Zhong学习如何设置CSS选择器），通过查看列表URL/internet_worldlist / index.shtml的源码可以很方便的设置。在列表网址下找到具体文章超链接的代码，如下图：

　　可以看到，文章的超链接a标签在类为“contList”的标签内，所以文章 URL的CSS选择器只需要设置为.contLista即可，如下图：

　　设置完成后，如果不知道设置是否正确，可以点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对应的网址，如下图：

　　六、文章Grab 设置

　　在这个标签下，我们需要设置文章title 和文章content 的匹配规则。提供了两种设置方法。推荐使用CSS选择器方法，比较好用，*. （不知道什么是CSS选择器，*Zhong学习如何设置CSS选择器）

　　我们只需要设置文章title CSS选择器和文章content CSS选择器就可以准确捕获文章title和文章内容。

　　在文章source设置中，我们以采集“新浪网”为例。这里我们就用这个例子来说明，通过查看列表URL/internet_worldlist/index.shtml，一篇文章的来源文章代码可以轻松设置。比如我们可以查看特定文章/n/i/2013-06-10/.shtml的源码如下：

　　如您所见，文章title 位于 id 为“artibodyTitle”的标签内，因此 文章title CSS 选择器只需设置为 #artibodyTitle；

　　同理，找到文章content的相关代码：

　　如你所见，文章content在id为“artibody”的标签内，所以文章内容CSS选择器只需要设置为#artibody；如下图：

　　设置完成后，如果不知道设置是否正确，可以点击测试按钮，输入测试地址。如果设置正确，会显示文章title和文章内容，方便查看设置

　　七、Grab文章page 内容

　　如果文章的内容太长，有多个页面也可以抓取所有内容。这时候就需要设置文章分页链接的CSS选择器，通过查看具体的文章URL源代码来找到页面链接的位置，比如一个文章page链接的代码如下如下：

　　如您所见，分页链接A标签位于类为“page-link”的标签内

　　所以，文章page链接CSS选择器可以设置为.page-linka，如下图：

　　如果你在发布时勾选 Paging，帖子文章 也会被分页。如果您的 WordPress 主题不支持标签，请不要勾选。

　　八、文章内容过滤功能

　　文章内容过滤功能可以过滤掉正文中不想发布的内容（如广告代码、版权信息等）。可以设置两个关键词，删除两个关键词之间的内容。 关键词2 可以为空，表示关键词1 之后的内容全部删除。

　　如下图，我们通过测试抓取文章后，发现文章中有我们不想发布的内容，切换到HTML显示，找到该内容的HTML代码，设置两个关键词分别过滤掉内容。

　　如上图，如果我们要过滤掉上面的

　　和

　　在两者之间，添加以下设置。

　　如果需要过滤掉多个内容，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掉采集文章中的超链接（一个标签），

　　阅读(2137)(0)顶(0)分享和打印)