605
織夢DedeCMS
采集功能的使用方法 --- 圖片集（二）_織夢CMS幫助中心
Dedecms采集功能的使用方法 --- 圖片集（二）
前言：本文是“Dedecms采集功能的使用方法 --- 圖片集“的第二節，在前一節的基礎上，將會對新增采集節點中的第二步：“設置字段獲取規則”部分做一個簡單的介紹。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“保存信息並進入下一步設置”後，便可進入“新增采集節點：第二步設置內容字段獲取規則”頁麵，如（圖21）所示，
圖21-設置內容字段獲取規則
在預覽網址處，係統將會自動指定一篇文章作為示範頁麵，如有特殊需要可自行更改。打開示範頁麵，經觀察可發現頁麵中含有分頁，如（圖22）所示，
圖22-分頁
下麵來設置分頁部分的匹配規則。
具體操作步驟：
（a）在頁麵的源代碼中，找到分頁代碼的開始部分和結束部分，如（圖23）所示，
圖23-分頁代碼
（b）經過觀察可知，分頁代碼位於“<div class=”show_pages”>“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=”show_pages”>[內容]</div> “。對於分頁代碼的樣式，一共有三種可供選擇，這裏應選擇第一種” 全部列出的分頁列表”。填寫後，如（圖24）所示
圖24-設置後的網頁內容獲取規則
對於“固定采集項目”中的“內容摘要、關鍵字和縮略圖“三個部分，係統會用正則進行自動匹配，僅需配置過濾內容即可。下麵主要介紹如何獲取“文章標題、文章作者、文章來源、發布時間和文章內容”的采集規則以及簡單的過濾規則。
2.1.1 獲取文章標題的采集規則
首先，打開“預覽網址“的頁麵並單擊右鍵，選擇”查看源代碼“，找到文章標題” 高清壁紙（非原創作品）“，如（圖25）所示，
圖25-在源代碼中的文章標題
這裏的文章標題處在”<h1 class=“font14 b blink”></h1>”之間，因此這裏應該填寫”<h1 class=“ font14 b blink”>[內容]</h1>”作為文章標題的匹配規則。對於所包含的<img src=”/images/digest1.gif alt=”推薦的欣賞”>”可根據需要選擇保留或者是過濾掉。如果希望把這張圖片過濾掉，需要在過濾規則中填寫：“{dede:trim replace=''}<img([^>]*)>{/dede:trim}”。填寫後，如（圖26）所示，
圖26-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，可發現本文沒有涉及到原文作者。這裏選擇不填寫。
2.1.3 獲取文章來源的采集規則
這裏把頁麵中的上傳者作為文章來源，如圖（27）所示，
圖27-上傳者的信息
查看源代碼，並找到相應的部分，如（圖28）所示，
圖28-源代碼中上傳者的信息
從圖28中，可發現上傳者的名字介於“<li class="show_content_r_box_uploader1"><p>“和“</p>”之間，因此這裏應填寫“<li class="show_content_r_box_uploader1"><p>[內容]</p>”作為文章來源的采集規則。雖然，選定的采集規則能采集到上傳者的名字，但是同時也包含了所不希望采集到的圖片和鏈接，下麵通過設置過濾規則把它們過濾掉。首先，過濾掉鏈接，這裏使用“{dede:trim replace=''}<a([^>]*)>{/dede:trim}{dede:trim replace=’’}</a>{/dede:trim}”;其次，使用“{dede:trim replace=''}<img([^>]*)>{/dede:trim}”過濾掉圖片。填寫後，如圖29所示，
圖29-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
回到圖23，可發現有“17小時前”，由此可見，這裏采集數字17就可以了。采集規則為“<span class=”bh”>[內容]小時前</span>”。這裏不需要使用過濾規則。填寫後，如圖30所示，
圖30-文章發布時間的采集規則
2.1.5 獲取圖片集合以及圖集內容的采集規則
這個部分是編寫采集規則的重點，也是難點。需要特別注意。
圖片集合：如果把采集的匹配規則填寫在這裏的話，係統就會把所采集到的圖片，以圖集的形式保存起來，注意這裏隻采集圖片。
圖集內容：在顯示圖集的時候，所需顯示的說明性文字或者圖片。
具體操作步驟：
（a）在打開的內容頁麵的源代碼中，找到內容的開始部分“一些壁紙”，如圖31所示，
圖31-內容的開始部分
分析一下這個源代碼可知，以下兩點：
（1）“一些壁紙”是這個圖集的內容，因此可以把“條評論<br/>”作為匹配圖集內容的開始部分。但是這樣采集到的內容會包含有</span>，應該在過濾規則中使用“{dede:trim replace=""}</span>{/dede:trim}”過濾掉。
（2）“<div class=”show_content_pic”><ul>”可作為匹配圖片集合的開始部分，而且每一個圖片及其相關信息都是在“<li class=”art_content_listli”>”和”</li>”之間的。注意到這段代碼中有兩個地方都出現了<img>，通過對比原文可發現，”<img src=”/images/zoomit1.gif” class=”jdjz”>”是一個圖標的源代碼，這裏是不應該被采集到的。為了過濾掉這個圖標，需要在匹配規則中填寫“{dede:trim replace=""}<p class="art_content_li_p1 u">(.*)</p>{/dede:trim}”。
填寫後，如（圖32）所示，
圖32-開始部分的匹配規則及其過濾規則
（b）找到圖集內容的結束部分，因為涉及到分頁部分，所以應該選取分頁結束的位置，如圖33所示，
圖33-圖集內容的結束部分
很明顯，這裏應選取“<li style="text-align:center;"><ｓｃｒｉｐｔ type="text/javaｓｃｒｉｐｔ”>”作為圖片集合和圖集內容的結束部分。填寫完成後，如（圖34）所示，
圖34-結束部分的匹配規則及其過濾規則
到這裏，“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麵，如（圖35）所示，
圖35-設置後的新增采集節點：第二步設置內容字段獲取規則
檢查無誤後，單擊“保存並測試”。如果之前設置正確，單擊後，將會進入“新增采集節點：測試內容字段設置”頁麵並看到相應的文章內容。如（圖36）所示，
圖36-新增采集節點：測試內容字段設置
確定正確無誤後，如果單擊“僅保存”，係統將會提示“成功保存配置“並返回”采集節點管理“界麵；如果單擊“保存並開始采集“，將會進入”采集指定節點“界麵。否則，請單擊“返回上一步進行修改”。
關於第二節的介紹就到這裏。下麵進入第三節。。。
最後更新：2016-12-29 14:26:05