前言：本文是“含有分頁(yè)的普通文章的采集方法“的第二節(jié)，在前一節(jié)的基礎(chǔ)上，這一節(jié)會(huì)對(duì)新增采集節(jié)點(diǎn)中的第二步：“設(shè)置字段獲取規(guī)則”做詳細(xì)的介紹。為了與前文保持一致，本文將延續(xù)使用前文的章節(jié)標(biāo)記。

上接第一節(jié)。

2.1新增采集節(jié)點(diǎn)：第二步設(shè)置內(nèi)容字段獲取規(guī)則

單擊“保存信息并進(jìn)入下一步設(shè)置”后，便可進(jìn)入“新增采集節(jié)點(diǎn)：第二步設(shè)置內(nèi)容字段獲取規(guī)則”頁(yè)面，如（圖14）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖14-設(shè)置內(nèi)容字段獲取規(guī)則

系統(tǒng)將會(huì)自動(dòng)指定一個(gè)“預(yù)覽網(wǎng)址”，一般是文章列表頁(yè)的第一篇文章的網(wǎng)址。但是，由于第一篇文章中沒(méi)有涉及到分頁(yè)的部分，所以在這里手動(dòng)更改為，第二篇文章的網(wǎng)址：“http://www.bitscn.com/network/protocol/201105/193110.html”，更改后，如（圖15）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖15-更改后的預(yù)覽地址

下面來(lái)設(shè)定分頁(yè)部分的匹配規(guī)則。其具體操作步驟為：

打開(kāi)文章內(nèi)容頁(yè)面，在網(wǎng)頁(yè)上單擊右鍵，在彈出的對(duì)話框中單擊“查看源文件“。在源代碼中，找到分頁(yè)代碼的開(kāi)始部分和結(jié)束部分，如（圖16）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖16-分頁(yè)代碼

經(jīng)過(guò)觀察可知，分頁(yè)代碼位于“<div class=”page next-page”>“和”</div>”之間。因此，在”內(nèi)容分頁(yè)導(dǎo)航所在的區(qū)域匹配規(guī)則“中，應(yīng)填寫(xiě)”<div class=”page next-page”>[內(nèi)容]</div> “。對(duì)于分頁(yè)代碼的樣式，一共有三種可供選擇，這里應(yīng)選擇第一種” 全部列出的分頁(yè)列表”。填寫(xiě)后，如（圖17）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖17-設(shè)置后的網(wǎng)頁(yè)內(nèi)容獲取規(guī)則

對(duì)于“固定采集項(xiàng)目”中的“內(nèi)容摘要、關(guān)鍵字和縮略圖“三個(gè)部分，系統(tǒng)會(huì)用正則進(jìn)行自動(dòng)匹配，這里僅需配置過(guò)濾內(nèi)容即可。下面主要介紹如何獲取“文章標(biāo)題、文章作者、文章來(lái)源、發(fā)布時(shí)間和文章內(nèi)容”的采集規(guī)則，過(guò)濾規(guī)則僅簡(jiǎn)單涉及。

2.1.1 獲取文章標(biāo)題的采集規(guī)則

首先，打開(kāi)“預(yù)覽網(wǎng)址“的頁(yè)面并單擊右鍵，選擇”查看源代碼“，找到文章標(biāo)題” OpenFlow網(wǎng)絡(luò)是空談嗎？“，如（圖18）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖18-在源代碼中的文章標(biāo)題

這里的文章標(biāo)題處在”<h1 class=“title”></h1>”之間，因此這里應(yīng)該填寫(xiě)”<h1 class=“title”>[內(nèi)容]</h1>”作為文章標(biāo)題的匹配規(guī)則。如果在文章標(biāo)題中含有相關(guān)鏈接等，可使用過(guò)濾規(guī)則加以處理，這里無(wú)需設(shè)置。填寫(xiě)后，如（圖19）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖19-文章標(biāo)題的采集規(guī)則

2.1.2 獲取文章作者的采集規(guī)則

經(jīng)過(guò)查找源代碼和對(duì)比原文的標(biāo)題部分，可發(fā)現(xiàn)本文沒(méi)有涉及到文章作者，所以這里不用填寫(xiě)，空著即可。

2.1.3 獲取文章來(lái)源的采集規(guī)則

在上圖19中，可發(fā)現(xiàn)來(lái)源的內(nèi)容介于“<span>來(lái)源：“和“</span>”之間，因此這里應(yīng)填寫(xiě)“<span>來(lái)源：[內(nèi)容]</span>”作為文章來(lái)源的采集規(guī)則。同樣，這里也不需要使用過(guò)濾規(guī)則。填寫(xiě)后，如圖20所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖20-文章來(lái)源的采集規(guī)則

2.1.4 獲取文章發(fā)布時(shí)間的采集規(guī)則

再次回到圖17，可找到“時(shí)間:2011-05-13 11:47”，因此這里應(yīng)把“時(shí)間：[內(nèi)容]<span>”作為發(fā)布時(shí)間的采集規(guī)則。同樣，這里也不需要使用過(guò)濾規(guī)則。填寫(xiě)后，如圖21所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖21-文章發(fā)布時(shí)間的采集規(guī)則

2.1.5 獲取文章內(nèi)容的采集規(guī)則

這個(gè)部分是編寫(xiě)采集規(guī)則的重點(diǎn)，也是難點(diǎn)。需要特別注意。

具體操作步驟：

（a）在在打開(kāi)的文章內(nèi)容頁(yè)面的源代碼中，找到文章內(nèi)容的開(kāi)始部分“計(jì)算機(jī)網(wǎng)絡(luò)知識(shí)的學(xué)習(xí)”，如圖22所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖22-文章內(nèi)容的開(kāi)始部分

這里應(yīng)把”<!—文章塊開(kāi)始—>”作為匹配規(guī)則的開(kāi)始部分，注意到這段代碼中包含一段廣告代碼，需要采用過(guò)濾規(guī)則把其去除。經(jīng)觀察發(fā)現(xiàn)，這段JS廣告代碼是位于“<div class=”contentgg”>”和“</div>”之間的。因此，應(yīng)在“過(guò)濾規(guī)則”中填寫(xiě)：“{dede:trim replace=’’}<div class=”contentgg”>(.*)</div>”{/dede:trim}。填寫(xiě)后，如（圖23）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖23-開(kāi)始部分的匹配規(guī)則及其過(guò)濾規(guī)則

（b）找到文章內(nèi)容的結(jié)束部分，因?yàn)樯婕暗椒猪?yè)部分，所以應(yīng)該選取分頁(yè)結(jié)束的位置，如圖24所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖24-文章內(nèi)容的結(jié)束部分

這里應(yīng)選取“<!—文章內(nèi)分頁(yè)結(jié)束-->”作為文章內(nèi)容的結(jié)束部分，由于在選取的內(nèi)容中又包含了一段JS代碼，因此應(yīng)再次使用過(guò)濾規(guī)則，把其去除。同時(shí)，考慮到本頁(yè)沒(méi)有涉及到分頁(yè)，所以在分頁(yè)代碼中的<ul></ul>之間是空的。但是，如果頁(yè)面包含分頁(yè)的話，也是應(yīng)該使用過(guò)濾規(guī)則去除的。此外，如果所設(shè)定的文章內(nèi)容中，含有圖片、鏈接等不希望被采集到的內(nèi)容，也應(yīng)該使用過(guò)濾規(guī)則一并去除掉。填寫(xiě)完成后，如（圖25）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖25-文章內(nèi)容的匹配規(guī)則

到這里，“新增采集節(jié)點(diǎn)：第二步設(shè)置內(nèi)容字段獲取規(guī)則”，就設(shè)置完成了。來(lái)看一下整個(gè)配置頁(yè)面，如（圖26）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖26-設(shè)置后的新增采集節(jié)點(diǎn)：第二步設(shè)置內(nèi)容字段獲取規(guī)則

檢查無(wú)誤后，單擊“保存配置并預(yù)覽”。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)試內(nèi)容字段設(shè)置”頁(yè)面并看到相應(yīng)的文章內(nèi)容。如（圖27）和（圖28）所示，

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖27-新增采集節(jié)點(diǎn)：測(cè)試內(nèi)容字段設(shè)置

(此圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖28-新增采集節(jié)點(diǎn)：測(cè)試內(nèi)容字段設(shè)置

其中，圖中畫(huà)圈的地方代表的是分頁(yè)符號(hào)。

確定正確無(wú)誤后，如果單擊“僅保存”，系統(tǒng)將會(huì)提示“成功保存配置“并返回”采集節(jié)點(diǎn)管理“界面；如果單擊“保存并開(kāi)始采集“，將會(huì)進(jìn)入”采集指定節(jié)點(diǎn)“界面。否則，請(qǐng)單擊“返回上一步進(jìn)行修改”。

關(guān)于第二節(jié)的介紹就到這里。下面進(jìn)入第三節(jié)。。。