以織夢(mèng)官方站為例，我們采集站長(zhǎng)學(xué)院下的PHP教程欄目，打開(kāi)列表地址http://www.dedecms.com/web-art/PHP_jiaocheng。 登錄后臺(tái)，進(jìn)入“采集節(jié)點(diǎn)管理”，新建一個(gè)節(jié)點(diǎn)，選擇內(nèi)容模型為“普通文章”。

 

1.設(shè)置節(jié)點(diǎn)基本信息

 

先填寫一個(gè)方便記憶的節(jié)點(diǎn)名稱，選擇目標(biāo)頁(yè)面編碼為GB2312，防盜鏈模式不做設(shè)置，因目標(biāo)站沒(méi)做限制，這一項(xiàng)就不做修改，系統(tǒng)默認(rèn)超時(shí)時(shí)間10秒。

 

2.設(shè)置列表網(wǎng)址獲取規(guī)則 

 

 這一步我們要做些設(shè)置，獲取文章列表地址，回到目標(biāo)站列表頁(yè)，觀察分頁(yè)間的變化，可以發(fā)現(xiàn)只有“14_”后的數(shù)字有規(guī)律的遞增變化。

 

首頁(yè)：http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_1.html 

中間：http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_(*).html 

末頁(yè)：http://www.dedecms.com/web-art/PHP_jiaocheng/list_14_172.html 

 

復(fù)制一個(gè)分頁(yè)地址，回到“新增采集節(jié)點(diǎn)”頁(yè)面，選擇“來(lái)源屬性”為“批量生成列表網(wǎng)址”，把粘貼地址到“匹配網(wǎng)址”中，修改規(guī)律變化處為(*)，“批量生成地址設(shè)置”處(*)輸入1到172，這里的意思是生成出列表第一頁(yè)到最后172頁(yè)的所有地址。

 

測(cè)試一下，在彈出框中我們可以看到循環(huán)出172條地址記錄，很順利的就設(shè)置好了。有時(shí)候會(huì)碰到較難獲取的列表，那我們可以把把沒(méi)規(guī)律的地址復(fù)制到”手工指定列表網(wǎng)址“文本框中來(lái)采集。

 

3.設(shè)置文章網(wǎng)址匹配規(guī)則 

 

上面指定好了文章地址來(lái)源頁(yè)，這一步就需要在這些頁(yè)面中找出符合要求的文章地址頁(yè)了。打開(kāi)一個(gè)列表頁(yè)面觀察，左欄的方框中包含了我們需要的全部地址，這種情況區(qū)分明顯的頁(yè)面，可以利“區(qū)域開(kāi)始的HTML”和“區(qū)域結(jié)束的HTMLL”設(shè)置進(jìn)行過(guò)濾。

 

不過(guò)也可以使用其他方法。把鼠標(biāo)移到各處鏈接地址，觀察瀏覽器左下角顯示的完整地址，我們需要的地址都包含“PHP_jiaocheng/20”，那我們把它填寫到“必須包含”中。

 

兩種方法都能夠過(guò)濾出地址，碰上復(fù)雜頁(yè)面，可以配合起來(lái)使用，加上正則，幾乎沒(méi)有篩選不出的地址，附（圖5.1）對(duì)照。最后確定，進(jìn)入下一步“網(wǎng)頁(yè)內(nèi)容獲取規(guī)則”。