前言：這篇文章主要是介紹如何使用采集功能去采集一個(gè)圖片類的網(wǎng)站。這次選取的目標(biāo)站點(diǎn)為：站酷網(wǎng)的佳作欣賞欄目，其URL為：http://www.zcool.com.cn/shows/。本文將會(huì)涉及到如何處理被采集頁(yè)面含有分頁(yè)以及如何使用簡(jiǎn)單的過(guò)濾規(guī)則。本文共分為三節(jié)：第一節(jié)，主要是介紹如何進(jìn)入采集界面和新增采集節(jié)點(diǎn)中的第一步：設(shè)置基本信息及網(wǎng)址索引頁(yè)規(guī)則；第二節(jié)，主要是介紹新增采集節(jié)點(diǎn)中的第二步：設(shè)置字段獲取規(guī)則；第三節(jié)，主要是介紹如何采集指定節(jié)點(diǎn)和如何導(dǎo)出采集內(nèi)容。

下面進(jìn)入第一節(jié)。

 

1.1進(jìn)入采集節(jié)點(diǎn)管理界面

如（圖1）所示，在后臺(tái)管理界面的主菜單中單擊“采集”，然后單擊“采集節(jié)點(diǎn)管理”，即可進(jìn)入采集節(jié)點(diǎn)管理界面，如（圖2）所示。

圖1-后臺(tái)管理界面

 

圖2-采集節(jié)點(diǎn)管理界面

 

1.2. 增加新節(jié)點(diǎn)

在采集節(jié)點(diǎn)管理界面中，單擊左下角的“增加新節(jié)點(diǎn)”或者右上角的“添加新節(jié)點(diǎn)”（如圖2），都可進(jìn)入“選擇內(nèi)容模型”界面，如（圖3）所示，

圖3-選擇內(nèi)容模型界面

 

在“選擇內(nèi)容模型”界面的下拉列表框中，有“普通文章”和“圖片集”可供選擇。

根據(jù)被采集頁(yè)面的類型，選擇相應(yīng)的內(nèi)容模型。本文這里選擇“圖片集”，單擊確定后，便可進(jìn)入“新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁(yè)規(guī)則”界面，如（圖4）所示，

圖4-新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁(yè)規(guī)則

 

1.2.1 設(shè)置節(jié)點(diǎn)基本信息

圖5-節(jié)點(diǎn)基本信息

 

如（圖5）所示，這里只是介紹如何獲取“目標(biāo)頁(yè)面編碼”，對(duì)于其他的設(shè)定，可參見(jiàn)之前的文章。具體操作步驟：

（a）打開(kāi)被采集的目標(biāo)頁(yè)：http://www.zcool.com.cn/shows/；

（b）單擊右鍵后選擇“查看源文件”，找到“charset”， 如（圖6）所示，

圖6-查看源文件

 

其等號(hào)后面的代碼就是所需填寫(xiě)的“編碼格式”，這里是“utf-8”。

填寫(xiě)后，如（圖7）所示，

圖7-設(shè)置后的節(jié)點(diǎn)基本信息

 

檢查無(wú)誤后，進(jìn)入下一步設(shè)置。

 

1.2.2 設(shè)置列表網(wǎng)址獲取規(guī)則

圖8-列表網(wǎng)址獲取規(guī)則

 

如（圖8）所示，這里是設(shè)置被采集的文章列表頁(yè)的匹配規(guī)則。具體操作步驟：

（a）首先，回到已打開(kāi)的列表頁(yè)，找到瀏覽器的URL地址欄中顯示的網(wǎng)址和頁(yè)面的換頁(yè)部分。如（圖9）和（圖10）所示，

圖9-瀏覽器的URL地址欄

 

圖10-換頁(yè)

 

（b）單擊“2”，打開(kāi)文章列表頁(yè)的第二頁(yè)，再次找到瀏覽器的URL地址欄中所顯示的網(wǎng)址和頁(yè)面的換頁(yè)部分，如（圖12）和（圖13）所示，

圖11-第二頁(yè)的網(wǎng)址

 

圖12-第二頁(yè)的換頁(yè)

 

（c）在已打開(kāi)的列表頁(yè)的第二頁(yè)上面，單擊（1），回到列表頁(yè)的首頁(yè)，這時(shí)頁(yè)面的換頁(yè)部分與之前的圖10是相同的，然而瀏覽器的URL地址欄中所顯示的網(wǎng)址與之前圖9并不相同，如（圖13）所示，

圖13-第一頁(yè)的網(wǎng)址

 

（d）由（b）和（c）可推知，這里被采集的列表頁(yè)的網(wǎng)址所遵循規(guī)律為：

http://www.zcool.com.cn/shows/0!0!0!200!(*)!1!0!0/。穩(wěn)妥起見(jiàn)，請(qǐng)自行測(cè)試更多列表頁(yè)。確定規(guī)律后，在“匹配網(wǎng)址”中，填入列表頁(yè)所遵循的規(guī)律。

 

（e）最后，根據(jù)需要指定采集的頁(yè)碼或者規(guī)律數(shù)字，并設(shè)定其遞增規(guī)律。

到這里，“列表網(wǎng)址獲取規(guī)則”部分就設(shè)置結(jié)束了。最后結(jié)果，如（圖14）所示，

圖14-設(shè)置后的列表網(wǎng)址獲取規(guī)則

 

確定正確后，進(jìn)入下一步設(shè)置。

 

1.2.3設(shè)置文章網(wǎng)址匹配規(guī)則

圖15-文章網(wǎng)址匹配規(guī)則

 

這里是設(shè)置被采集的列表頁(yè)的匹配規(guī)則。

具體操作步驟：

（a）對(duì)于“區(qū)域開(kāi)始的HTML”，可以在已打開(kāi)的列表首頁(yè)，單擊右鍵后選擇“查看源文件”查找出第一篇文章的標(biāo)題“高清壁紙”來(lái)獲得，如（圖16）所示，

圖16-查看源文件中，第一篇文章的標(biāo)題

 

通過(guò)觀察，不難看出“<ul class="list_left_nr">”為整個(gè)列表的開(kāi)始部分。因此，在“區(qū)域開(kāi)始的HTML”中，應(yīng)填入“<ul class="list_left_nr">”。

 

（b）在源文件中，找到最后一篇文章標(biāo)題“阿奴比斯”，如（圖17）所示，

圖17-查看源文件中，最后一篇文章的標(biāo)題

 

結(jié)合列表的開(kāi)始部分并通過(guò)觀察可知，第一個(gè)“</ul>”為整個(gè)列表的結(jié)束部分，而其后的從“<ul class=”list_left_bottomw”>”到第二個(gè)“</ul>”,則為頁(yè)面的換頁(yè)部分。因此，在“區(qū)域結(jié)束的HTML”中，應(yīng)填入”</ul>”，意思是到第一個(gè)</ul>結(jié)束。

 

（c）經(jīng)過(guò)觀察圖16和圖17的文章標(biāo)題部分，可以發(fā)現(xiàn)，標(biāo)題的鏈接地址都是含有“=.html”的。因此，可在“必須包含”中，填入“=.html”。

到這里，“文章網(wǎng)址匹配規(guī)則“就設(shè)置結(jié)束了。填寫(xiě)后，如（圖18）所示，

圖18-設(shè)置后的文章網(wǎng)址匹配規(guī)則

 

通過(guò)以上的三個(gè)小節(jié)，新增采集節(jié)點(diǎn)的第一步就已經(jīng)設(shè)置完成了。設(shè)置后的最終結(jié)果，如（圖19）所示，

圖19-設(shè)置后的新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁(yè)規(guī)則

 

全部完成并檢查無(wú)誤后，單擊“保存信息并進(jìn)入下一步設(shè)置“。如果之前設(shè)置正確，單擊后，將會(huì)進(jìn)入“新增采集節(jié)點(diǎn)：測(cè)試基本信息及網(wǎng)址索引頁(yè)規(guī)則設(shè)置的網(wǎng)址獲取規(guī)則測(cè)試”頁(yè)面并看到相應(yīng)的文章列表地址。如（圖20）所示，

圖20-網(wǎng)址獲取規(guī)則測(cè)試

 

確定正確無(wú)誤后，單擊“保存信息并進(jìn)入下一步設(shè)置”。否則，請(qǐng)單擊“返回上一步進(jìn)行修改“。

到這里，第一節(jié)就結(jié)束了。下面進(jìn)入第二節(jié)。。。