前言：這篇文章是為了初次接觸Dedecms采集功能的朋友所寫(xiě)的。所選取的目標(biāo)站點(diǎn)為文章內(nèi)容頁(yè)面不含有分頁(yè)的Dedecms官方網(wǎng)站的dreameaver欄目文章，通過(guò)圖文并茂的形式，詳細(xì)地介紹了如何創(chuàng)建一個(gè)基本的采集規(guī)則。本文共分為三節(jié)：第一節(jié)，主要是介紹如何進(jìn)入采集界面和新增采集節(jié)點(diǎn)中的第一步：設(shè)置基本信息及網(wǎng)址索引頁(yè)規(guī)則；第二節(jié)，主要是介紹新增采集節(jié)點(diǎn)中的第二步：設(shè)置字段獲取規(guī)則；第三節(jié)，主要是介紹如何采集指定節(jié)點(diǎn)和如何導(dǎo)出采集內(nèi)容。下面進(jìn)入第一節(jié)。

 

1.1進(jìn)入采集節(jié)點(diǎn)管理界面

 

如（圖1）所示，在后臺(tái)管理界面的主菜單中單擊“采集”，然后單擊“采集節(jié)點(diǎn)管理”，即可進(jìn)入采集節(jié)點(diǎn)管理界面，如（圖2）所示。

圖1-后臺(tái)管理界面

 

圖2-采集節(jié)點(diǎn)管理界面

 

1.2. 增加新節(jié)點(diǎn)

 

在采集節(jié)點(diǎn)管理界面中，單擊左下角的“增加新節(jié)點(diǎn)”或者右上角的“添加新節(jié)點(diǎn)”（如圖2），都可進(jìn)入“選擇內(nèi)容模型”界面，如（圖3）所示，

圖3-選擇內(nèi)容模型界面

 

在“選擇內(nèi)容模型”界面的下拉列表框中，有“普通文章”和“圖片集”可供選擇。根據(jù)被采集頁(yè)面的類(lèi)型，選擇相應(yīng)的內(nèi)容模型。本文這里選擇“普通文章”，單擊確定后，便可進(jìn)入“新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁(yè)規(guī)則”界面，如（圖4）所示，

圖4-新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁(yè)規(guī)則

 

1.2.1 設(shè)置節(jié)點(diǎn)基本信息

 

圖5-節(jié)點(diǎn)基本信息

如（圖5）所示，

節(jié)點(diǎn)名稱(chēng)：給新建立的節(jié)點(diǎn)起一個(gè)名字，這里填上“采集測(cè)試（一）”；

 

目標(biāo)頁(yè)面編碼：設(shè)定被采集目標(biāo)頁(yè)的編碼格式，有GB2312、UTF8和BIG5三種?？赏ㄟ^(guò)在被采集目標(biāo)頁(yè)面上，單擊右鍵后選擇“查看源文件”來(lái)獲取。

操作步驟：

（a）打開(kāi)被采集的目標(biāo)頁(yè)：http://www.dedecms.com/knowledge/web-based/dreamweaver/；

 

（b）單擊右鍵后選擇“查看源文件”，找到“charset”， 如（圖6）所示，

圖6-查看源文件

 

其等號(hào)后面的代碼就是所需的“編碼格式”，這里是“gb2312”。

 

 “區(qū)域匹配模式”：設(shè)定如何匹配所需采集的內(nèi)容部分，可采用字符串或者正則表達(dá)式。系統(tǒng)默認(rèn)的模式是字符串。如果比較了解正則表達(dá)式的朋友，可以在這里選擇正則表達(dá)式的模式。

 

“內(nèi)容導(dǎo)入順序”：指定文章列表導(dǎo)入時(shí)候的順序，可以選擇“與目標(biāo)站一致”或“與目標(biāo)站相反”。

 

“防盜鏈模式”：針對(duì)被采集的目標(biāo)站點(diǎn)有無(wú)刷新限制。一開(kāi)始很難判斷出來(lái)，需要測(cè)試后才能知道。如果有的話(huà)，這里需要設(shè)置一下“資源下載超時(shí)時(shí)間”。

“引用網(wǎng)址”：填入任何一個(gè)即將被采集的文章內(nèi)容頁(yè)面的網(wǎng)址。

 

具體操作步驟：

（a）在已打開(kāi)的文章列表頁(yè)中，單擊第一篇文章的

標(biāo)題“在Dreamweaver中為插入的Flash添加透明”，以打開(kāi)文章內(nèi)容頁(yè)面，如（圖7）所示，

 

圖7-文章內(nèi)容頁(yè)面

 

（b）此時(shí)在瀏覽器的URL地址欄中顯示的網(wǎng)址，即為需要填寫(xiě)在“引用網(wǎng)址”處的網(wǎng)址，如（圖8）所示，

圖8-瀏覽器的URL地址欄

 

到這里，“節(jié)點(diǎn)基本信息”就設(shè)置完成了。最后結(jié)果，如（圖9）所示，

圖9-設(shè)置后的節(jié)點(diǎn)基本信息

 

檢查無(wú)誤后，進(jìn)入下一步設(shè)置。

 

1.2.2 設(shè)置列表網(wǎng)址獲取規(guī)則

 

如（圖10）所示，

圖10-列表網(wǎng)址獲取規(guī)則

 

這里是設(shè)置被采集的文章列表頁(yè)的匹配規(guī)則。如果被采集的文章列表頁(yè)有一定的規(guī)律，可選擇“批量生成列表網(wǎng)址”；如果被采集的文章列表頁(yè)完全沒(méi)有規(guī)律可循，那么可選擇“手工指定列表網(wǎng)址”；如果被采集的站點(diǎn)提供了RSS，則可以選擇“從RSS中獲取”。對(duì)于特殊情況，例如：部分列表頁(yè)有規(guī)律，而其余的又沒(méi)有規(guī)律，則可在“匹配網(wǎng)址”中填上有規(guī)律的部分，然后把沒(méi)有規(guī)律的部分填寫(xiě)在“手動(dòng)指定網(wǎng)址”。

具體操作步驟：

（a）首先，回到已打開(kāi)的文章列表頁(yè)，找到瀏覽器的URL地址欄中顯示的網(wǎng)址（圖8）和頁(yè)面底部的換頁(yè)部分。如（圖11）所示，

圖11-換頁(yè)

 

（b）單擊“2”，打開(kāi)文章列表頁(yè)的第二頁(yè)，此時(shí)瀏覽器的URL地址欄中所顯示的網(wǎng)址和頁(yè)面底部的換頁(yè)部分，如（圖12）和（圖13）所示，

圖12-第二頁(yè)的網(wǎng)址

 

圖13-第二頁(yè)的換頁(yè)部分

 

（c）在已打開(kāi)的文章列表頁(yè)的第二頁(yè)上面，單擊（1），打開(kāi)文章列表頁(yè)的首頁(yè)，這時(shí)頁(yè)面底部的換頁(yè)部分與圖11相同，而瀏覽器的URL地址欄中所顯示的網(wǎng)址與之前圖8并不相同，如（圖14）所示，

圖14-第一頁(yè)的網(wǎng)址

 

（d）由（b）和（c）推知，此處被采集的文章列表頁(yè)的網(wǎng)址所遵循規(guī)律為：

http://www.dedecms.com/knowledge/web-based/dreamweaver/list_47_(*).html。穩(wěn)妥起見(jiàn)，請(qǐng)自行測(cè)試更多列表頁(yè)。確定規(guī)律后，在“匹配網(wǎng)址”中，填入文章列表頁(yè)所遵循的規(guī)律。

 

（e）最后，指定需要采集的頁(yè)碼或者規(guī)律數(shù)字，并設(shè)定其遞增規(guī)律。

到這里，“列表網(wǎng)址獲取規(guī)則”部分就設(shè)置結(jié)束了。最后結(jié)果，如（圖15）所示，

圖15-設(shè)置后的列表網(wǎng)址獲取規(guī)則

 

確定正確后，進(jìn)入下一步設(shè)置。

 

1.2.3設(shè)置文章網(wǎng)址匹配規(guī)則

 

如（圖16）所示，

圖16-文章網(wǎng)址匹配規(guī)則

 

這里是設(shè)置被采集文章列表頁(yè)的匹配規(guī)則。

具體操作步驟：

（a）對(duì)于“區(qū)域開(kāi)始的HTML”，可通過(guò)在打開(kāi)的文章列表首頁(yè)上，單擊右鍵后選擇“查看源文件”。在源文件中，找到第一篇文章的標(biāo)題“在Dreamweaver中為插入的Flash添加透明”，如（圖17）所示，

圖17-查看源文件中，第一篇文章的標(biāo)題

 

通過(guò)觀察，不難看出“<div class=“arc_list”>”為整個(gè)文章列表的開(kāi)始部分。因此，在“區(qū)域開(kāi)始的HTML”中，填入”<div class=“arc_list”>”。

 

（b）在源文件中，找到最后一篇文章標(biāo)題“通過(guò)Dreamweaver設(shè)計(jì)網(wǎng)頁(yè)時(shí)組織CSS的建議”，如（圖18）所示，

圖18-查看源文件中，最后一篇文章的標(biāo)題

 

結(jié)合文章列表的開(kāi)始部分并通過(guò)觀察可知，第一個(gè)“</div>”為整個(gè)文章列表的結(jié)束部分。因此，在“區(qū)域結(jié)束的HTML”中，應(yīng)填入”</div>”。

 

“如果鏈接中含有圖片”：設(shè)置對(duì)鏈接中含有圖片的處理方式，有不處理和采集為縮略圖可選?？筛鶕?jù)實(shí)際需要選擇。

 

“對(duì)區(qū)域網(wǎng)址進(jìn)行再次篩選”：可以使用正則表達(dá)式對(duì)區(qū)域網(wǎng)站進(jìn)行再次篩選，這是針對(duì)一些需要被保留或者需要濾掉的內(nèi)容，尤其是混編的列表頁(yè)面，通過(guò)使用“必須包含”或者“不能包含”過(guò)濾掉所希望獲取或者不希望獲取的文章內(nèi)容頁(yè)面的網(wǎng)址。

具體操作步驟：

回到正在打開(kāi)的文章列表首頁(yè)的源文件，通過(guò)觀察可知，每一個(gè)文章內(nèi)容頁(yè)面地址的擴(kuò)展名均為.html。因此，可在“必須包含”中，填入“.html”。

到這里，“文章網(wǎng)址匹配規(guī)則“就設(shè)置結(jié)束了。最后結(jié)果， 如（圖19）所示，

圖19-設(shè)置后的文章網(wǎng)址匹配規(guī)則

 

通過(guò)1.2.1小節(jié)、1.2.2小節(jié)和1.2.3小節(jié)，新增采集節(jié)點(diǎn)的第一步就已經(jīng)設(shè)置完成了。設(shè)置后的結(jié)果，如（圖20）所示，

圖20-設(shè)置后的新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁(yè)規(guī)則

 

全部完成并檢查無(wú)誤后，單擊“保存信息并進(jìn)入下一步設(shè)置“。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)試基本信息及網(wǎng)址索引頁(yè)規(guī)則設(shè)置的網(wǎng)址獲取規(guī)則測(cè)試”頁(yè)面并看到相應(yīng)的文章列表地址。如（圖21）所示，

圖21-網(wǎng)址獲取規(guī)則測(cè)試

 

確定正確無(wú)誤后，單擊“保存信息并進(jìn)入下一步設(shè)置”。否則，請(qǐng)單擊“返回上一步進(jìn)行修改“。