前言：本文是“含有分頁的普通文章的采集方法“的第二節，在前一節的基礎上，這一節會對新增采集節點中的第二步：“設置字段獲取規則”做詳細的介紹。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14）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖14-設置內容字段獲取規則

系統將會自動指定一個“預覽網址”，一般是文章列表頁的第一篇文章的網址。但是，由于第一篇文章中沒有涉及到分頁的部分，所以在這里手動更改為，第二篇文章的網址：“http://www.bitscn.com/network/protocol/201105/193110.html”，更改后，如（圖15）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖15-更改后的預覽地址

下面來設定分頁部分的匹配規則。其具體操作步驟為：

打開文章內容頁面，在網頁上單擊右鍵，在彈出的對話框中單擊“查看源文件“。在源代碼中，找到分頁代碼的開始部分和結束部分，如（圖16）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖16-分頁代碼

經過觀察可知，分頁代碼位于“<div class=”page next-page”>“和”</div>”之間。因此，在”內容分頁導航所在的區域匹配規則“中，應填寫”<div class=”page next-page”>[內容]</div> “。對于分頁代碼的樣式，一共有三種可供選擇，這里應選擇第一種” 全部列出的分頁列表”。填寫后，如（圖17）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖17-設置后的網頁內容獲取規則

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” OpenFlow網絡是空談嗎？“，如（圖18）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖18-在源代碼中的文章標題

這里的文章標題處在”<h1 class=“title”></h1>”之間，因此這里應該填寫”<h1 class=“title”>[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19）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖19-文章標題的采集規則

2.1.2 獲取文章作者的采集規則

經過查找源代碼和對比原文的標題部分，可發現本文沒有涉及到文章作者，所以這里不用填寫，空著即可。

2.1.3 獲取文章來源的采集規則

在上圖19中，可發現來源的內容介于“<span>來源：“和“</span>”之間，因此這里應填寫“<span>來源：[內容]</span>”作為文章來源的采集規則。同樣，這里也不需要使用過濾規則。填寫后，如圖20所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖20-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17，可找到“時間:2011-05-13 11:47”，因此這里應把“時間：[內容]<span>”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21所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖21-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）在在打開的文章內容頁面的源代碼中，找到文章內容的開始部分“計算機網絡知識的學習”，如圖22所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖22-文章內容的開始部分

這里應把”<!—文章塊開始—>”作為匹配規則的開始部分，注意到這段代碼中包含一段廣告代碼，需要采用過濾規則把其去除。經觀察發現，這段JS廣告代碼是位于“<div class=”contentgg”>”和“</div>”之間的。因此，應在“過濾規則”中填寫：“{dede:trim replace=’’}<div class=”contentgg”>(.*)</div>”{/dede:trim}。填寫后，如（圖23）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖23-開始部分的匹配規則及其過濾規則

（b）找到文章內容的結束部分，因為涉及到分頁部分，所以應該選取分頁結束的位置，如圖24所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖24-文章內容的結束部分

這里應選取“<!—文章內分頁結束-->”作為文章內容的結束部分，由于在選取的內容中又包含了一段JS代碼，因此應再次使用過濾規則，把其去除。同時，考慮到本頁沒有涉及到分頁，所以在分頁代碼中的<ul></ul>之間是空的。但是，如果頁面包含分頁的話，也是應該使用過濾規則去除的。此外，如果所設定的文章內容中，含有圖片、鏈接等不希望被采集到的內容，也應該使用過濾規則一并去除掉。填寫完成后，如（圖25）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖25-文章內容的匹配規則

到這里，“新增采集節點：第二步設置內容字段獲取規則”，就設置完成了。來看一下整個配置頁面，如（圖26）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖26-設置后的新增采集節點：第二步設置內容字段獲取規則

檢查無誤后，單擊“保存配置并預覽”。如果之前設置正確，單擊后，將會進入“新增采集節點：測試內容字段設置”頁面并看到相應的文章內容。如（圖27）和（圖28）所示，

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖27-新增采集節點：測試內容字段設置

(此圖片來源于網絡，如有侵權，請聯系刪除! )

圖28-新增采集節點：測試內容字段設置

其中，圖中畫圈的地方代表的是分頁符號。

確定正確無誤后，如果單擊“僅保存”，系統將會提示“成功保存配置“并返回”采集節點管理“界面；如果單擊“保存并開始采集“，將會進入”采集指定節點“界面。否則，請單擊“返回上一步進行修改”。

關于第二節的介紹就到這里。下面進入第三節。。。