Dedecms織夢采集功能的使用方法-不含分頁的普通文章（二）

2024-07-12 09:03:54

字體：大中小

來源：轉載

供稿：網友

前言：本文是“不含分頁的普通文章的采集方法“的第二節，在前一節的基礎上，將會對新增采集節點中的第二步：“設置字段獲取規則”做詳細的說明。為了與前文保持一致，本文將延續使用前文的章節標記。

上接第一節。

2.1新增采集節點：第二步設置內容字段獲取規則

單擊“保存信息并進入下一步設置”后，便可進入“新增采集節點：第二步設置內容字段獲取規則”頁面，如（圖22）所示，

圖22-設置內容字段獲取規則

在預覽網址處，系統將會自動指定一篇將被采集文章內容頁面的網址（一般為所采集列表頁面的第一篇文章網址），作為示范頁面。如果文章內容頁面含有分頁，則需設置“內容分頁導航所在的區域匹配規則”。對于“固定采集項目”中的“內容摘要、關鍵字和縮略圖“三個部分，系統會用正則進行自動匹配，這里僅需配置過濾內容即可。下面主要介紹如何獲取“文章標題、文章作者、文章來源、發布時間和文章內容”的采集規則，過濾規則僅簡單涉及。

2.1.1 獲取文章標題的采集規則

首先，打開“預覽網址“的頁面并單擊右鍵，選擇”查看源代碼“，找到文章標題” 在Dreamweaver中為插入的Flash添加透明“，如（圖23）所示，

圖23-在源代碼中的文章標題

這里的文章標題處在”<h1></h1>”之間，由于在此頁面中多次出現這組標簽，因此這里應該填寫“<div class=”arcbody”><h1>[內容]</h1>”作為文章標題的匹配規則。如果在文章標題中含有相關鏈接等，可使用過濾規則加以處理，這里無需設置。填寫后，如圖24所示，

圖24-文章標題的采集規則

2.1.2 獲取文章作者的采集規則

如上圖23所示，在“作者：”二字后面有一組標簽“<font color=”red”></font>”，以此猜測，作者名將會寫在這組標簽之間。同樣，為了保持唯一性，這里應填寫”作者：<font color=“red”>[內容]</font>“作為文章作者的采集規則。謹慎起見，請根據文章列表中其他文章內容頁面查證此采集規則是否正確。這里不需要使用過濾規則。填寫后，如圖25所示，

圖25-文章作者的采集規則

2.1.3 獲取文章來源的采集規則

在上圖23中，可發現“來源：”二字后面有一組標簽“<font color=”red”></font>”，以此猜測，來源內容將會寫在這組標簽之間。與2.1.2處理方式相同，為了保持唯一性，文章來源的采集規則應為“來源：<font color=“red”>[內容]</font>“。同樣，這里也不需要使用過濾規則。填寫后，如圖26所示，

圖26-文章來源的采集規則

2.1.4 獲取文章發布時間的采集規則

再次回到圖23，找到“發表于：”及其后的“<font color=”red”>2009-09-29 14:21</font>”，與之前獲取采集規則方法相同，此處應把“發表于： <font color=”red”>[內容]</font>”作為發布時間的采集規則。同樣，這里也不需要使用過濾規則。填寫后，如圖27所示，

圖27-文章發布時間的采集規則

2.1.5 獲取文章內容的采集規則

這個部分是編寫采集規則的重點，也是難點。需要特別注意。

具體操作步驟：

（a）回到正在打開的文章內容頁面的源代碼，找到文章內容的開始部分“Dreamweaver升級到8.0.2后”，如圖28所示，

圖28-文章內容的開始部分

注意：在源代碼中，有兩處都出現了這句話。其中，第一句在“<div class=”intro”>”之后，第二句在“<div class=”content”><p>”之后。通過對比文章內容頁面及其源代碼，不難發現，第一處實為摘要，第二處才為文章內容的開始部分。因此，應選取“<div class=”content”>”為匹配規則的開始部分。

（b）找到文章內容的結束部分“同樣是添加值為“transparent”的“wmode”參數。”，如圖29所示，