欢迎来到酱油妹!织梦模板,dede模板下载,织梦cms模板,免费网站模板下载站

织梦DEDE采集功能的采用办法 --- 含有分页的普通文章的采集(二)

企业模板

前言:本文是“含有分页的普通文章的采集办法“的第二节,在前一节的基础上,这一节会对新增采集节点中的第二步:“设置字段获取规则”做详细的介绍。为了与前文保持一致,本文将延续采用前文的章节标记。

上接第一节。

2.1新增采集节点:第二步设置内容字段获取规则

单击“保存信息并进入下一步设置”后,便可进入“新增采集节点:第二步设置内容字段获取规则”页面,如(图14)所示,

图14-设置内容字段获取规则

软件将会自动指定一个“预览网址”,一般是文章列表页的第一篇文章的网址。但是,由于第一篇文章中没有涉及到分页的部分,所以在这里手动更改为,第二篇文章的网址:“http://www.jiangyoumei.com/network/protocol/201105/193110.html”,更改后,如(图15)所示,

图15-更改后的预览地址

下面来设定分页部分的匹配规则。其具体操作步骤为:

打开文章内容页面,在网页上单击右键,在弹出的对话框中单击“查询源文件“。在源码中,找到分页代码的开始部分和结束部分,如(图16)所示,

图16-分页代码

经过观察可知,分页代码坐落于“<div class=”page next-page”>“和”</div>”之间。因此,在”内容分页导航所在的地区匹配规则“中,应填写”<div class=”page next-page”>[内容]</div> “。对于分页代码的样式,一共有三种可供选择,这里应选择第一种” 全部列出的分页列表”。填写后,如(图17)所示,

图17-设置后的网页内容获取规则

对于“固定采集项目”中的“内容摘要、重要字和缩略图“三个部分,软件会用正则进行自动匹配,这里仅需配置过滤内容即可。下面主要介绍怎么获取“文章标题、文章作者、文章来源、发布时间和文章内容”的采集规则,过滤规则仅容易涉及。

2.1.1 获取文章标题的采集规则

第一,打开“预览网址“的页面并单击右键,选择”查询源码“,找到文章标题” OpenFlow互联网是空谈吗?“,如(图18)所示,

图18-在源码中的文章标题

这里的文章标题处在”<h3 class=“title”></h3>”之间,因此这里应该填写”<h3 class=“title”>[内容]</h3>”作为文章标题的匹配规则。如果在文章标题中含有有关链接等,可采用过滤规则加以处理,这里无需设置。填写后,如(图19)所示,

图19-文章标题的采集规则

2.1.2 获取文章作者的采集规则

经过查找源码和对比原文的标题部分,可发现本文没有涉及到文章作者,所以这里不需要填写,空着即可。

2.1.3 获取文章来源的采集规则

在上图19中,可发现来源的内容介于“<span>来源:“和“</span>”之间,因此这里应填写“<span>来源:[内容]</span>”作为文章来源的采集规则。同样,这里也无需采用过滤规则。填写后,如图20所示,

图20-文章来源的采集规则

2.1.4 获取文章发布时间的采集规则

第三回到图17,可找到“时间:2011-05-13 11:47”,因此这里应把“时间:[内容]<span>”作为发布时间的采集规则。同样,这里也无需采用过滤规则。填写后,如图21所示,

图21-文章发布时间的采集规则

2.1.5 获取文章内容的采集规则

这个部分是编写采集规则的重点,也是难点。需要特别注意。

具体操作步骤:

(a)在在打开的文章内容页面的源码中,找到文章内容的开始部分“计算机互联网常识的学习”,如图22所示,

图22-文章内容的开始部分

这里应把”<!—文章块开始—>”作为匹配规则的开始部分,注意到这段代码中包含一段广告代码,需要使用过滤规则把其去除。经观察发现,这段JS广告代码是坐落于“<div class=”contentgg”>”和“</div>”之间的。因此,应在“过滤规则”中填写:“{dede:trim replace=’’}<div class=”contentgg”>(.*)</div>”{/dede:trim}。填写后,如(图23)所示,

图23-开始部分的匹配规则及其过滤规则

(b)找到文章内容的结束部分,因为涉及到分页部分,所以应该选取分页结束的位置,如图24所示,

图24-文章内容的结束部分

这里应选取“<!—文章内分页结束-->”作为文章内容的结束部分,由于在选取的内容中又包含了一段JS代码,因此应第三采用过滤规则,把其去除。同时,考虑到本页没有涉及到分页,所以在分页代码中的<ul></ul>之间是空的。但是,如果页面包含分页的话,也是应该采用过滤规则去除的。此外,如果所设定的文章内容中,含有图片、链接等不期望被采集到的内容,也应该采用过滤规则一并去除掉。填写完成后,如(图25)所示,

图25-文章内容的匹配规则

到这里,“新增采集节点:第二步设置内容字段获取规则”,就设置完成了。来看一下整个配置页面,如(图26)所示,

图26-设置后的新增采集节点:第二步设置内容字段获取规则

检查无误后,单击“保存配置并预览”。如果之前设置正确,单击后,将会进入“新增采集节点:测试内容字段设置”页面并看到相应的文章内容。如(图27)和(图28)所示,

图27-新增采集节点:测试内容字段设置

图28-新增采集节点:测试内容字段设置

其中,图中画圈的地方代表的是分页符号。

确定正确无误后,如果单击“仅保存”,软件将会提示“成功保存配置“并返回”采集节点管理“界面;如果单击“保存并开始采集“,将会进入”采集指定节点“界面。否则,请单击“返回上一步进行修改”。

关于第二节的介绍就到这里。下面进入第三节。。。


希望以上内容可以解决您的问题!
如有其他问题欢迎大家一起交流学习!
作者:酱油妹 来源:互联网 关注: 时间:2019-09-02 11:18
版权声明:凡注明来源为www.jiangyoumei.com的均为本站原创,转载请注明来源。
本文网址:http://www.jiangyoumei.com/jiaocheng/shiyong/20190902/2682.html
►凡本站提供教程均已验证教程的准确性。
►为提高用户在织梦后台添加栏目的灵活性(可随意添加/删除栏目),并保持(管理后台添加/删除栏目)与前端网站栏目的一致,本站模板中栏目均未固定,用户直接搜索typeid=''并替换''中的数字为所需栏目id即可。
►本站提供各种类型织梦模板!希望在这里找到喜欢的。下载本站模板,用户直接替换相关文字和图片即可。
►本站仅提供织梦模板即(DEDE模板),(除另外说明)均不带织梦安装程序及数据,用户直接覆盖默认模板即可。
►本站所有资源(包括源码、模板、插件等)仅供学习与参考,请勿用于商业用途。
►如有其他问题,请加网站客服QQ(375750496)进行交流。
相关织梦教程
在线客服

织梦模板 整站模板 新手教程 使用技巧