Dedecms采集功能的使用方法 --- 含有分页的普通文章的采集（三）

前言：本文是“含有分页的普通文章的采集方法“的第三节，在前两节的基础上，将会对“如何采集指定节点”和“如何导出采集内容”做详细的介绍。为了与前文保持一致，本文将延续使用前文的章节标记。

上接第二节。

 

3.1采集指定节点

单击“保存并开始采集“后，将会进入”采集指定节点“界面，如（图29）所示，

( )

图29-采集指定节点

 

每页采集：这是设置每页所需采集的条数，并可根据网站是否有防刷新功能，设置采集间隔时间。

 

特殊选项：设置是否检测重复图片，默认为“检测”。

 

附加选项：此选项一共有3种采集模式可供选择：第一种为“监控采集模式（检测当前或所有节点是否有新内容）”，选取后，系统只会采集指定节点中更新的内容；第二种为“重新下载全部内容”，选取后，系统会采集指定节点中的全部内容；第三种为“下载种子网站的未下载内容”，选取后，系统只会采集指定节点中未下载过的内容，包括以前没下载的和更新的内容。

 

设置完成并确定无误后，可单击“开始采集网页”或者“查看种子网址”。此时，如果单击“查看种子网址”会看到列表是空的，这是因为新建立的采集节点从未采集过，如（图30）所示，

( )

图30-查看节点的种子网址

 

单击“开始采集网页”后，系统便会开始采集节点中设置的网址，并出现相关提示，如（图31）所示，

( )

( )

( )

图31-采集进程中提示信息

 

采集结束后，再次单击“查看种子网址”或者单击页面右上角的“查看已下载”，便可看到已采集到的网址信息，如（图32）所示，

( )

图32-查看节点的种子网址

 

成功采集以后，可以根据实际需要选择页面右上角的单击“采集节点管理”或者“导出数据”。单击“导出数据“后，便可进入” 采集管理> 采集内容导出“界面，如（图33）所示，

( )

图33-采集内容导出

 

“默认导出栏目“：设置要把采集到的内容导入到的栏目

 

“批量采集选项”：如果在采集规则中已指定栏目ID，则可使用此功能，若指定的栏目ID为0，系统会把采集内容导入到“默认导出栏目”所选择的栏目中。

 

“发布选项“：有发布成“普通文档”和“保存为草稿”可供选择。

 

“每批导入“：设置每批导入的条数，此数不宜过大。

 

“附带选项“：此处为多选。如果不希望采集到重复的文章标题，可选中“排除重复标题”；如果希望被采集到的内容直接生成HTML的话，可选中“完成后自动生成导入内容HTML”；如果希望系统在采集列表页时自动识别标题名，可选中“使用列表索引的标题”，一般不建议勾选。

 

“随机推荐”：填入一个数字，代表文档篇数。在所填入的文档篇数内随机出现一篇推荐文档，若填入“0”，则表示为不推荐。

 

设置完成后，可单击“确定”，就可以把下载的导入到所选的栏目中了，如（图34）所示，

( )

图34-设置完成后的采集内容导出页面

 

同时，系统将会有导出进程提示，如（图35）所示，

( )

( )

图35-采集内容导出中的提示信息

 

导出采集内容提示“完成所有栏目列表更新”后，单击“浏览栏目”，便可进入网站的相关页面查看到采集到的文章列表及其具体内容。也可在后台管理界面的主菜单中单击“核心”，然后单击“普通文章”，进入“文档列表”页面，查看所采集到的文章列表，如（图36）所示，

( )

图36-文档列表

 

在文档列表中，单击“用最简单网络 学习IP和ARP协议”的预览按钮，可打开文章内容页面，找到页面的换页部分，如（图37）所示，

( )

图37-分页

 

由此可知，含有分页文章内容已经被成功采集到了。

总结，本文详细地叙述了如何采集一个含有分页的普通文章类型的页面，并简单地涉及到了过滤规则。对于采集更为复杂的普通文章类型的页面和使用过滤规则，将会在今后文章中介绍。

 

本文的采集规则：

{dede:listconfig}
{dede:noteinfo notename="采集测试（二）" channelid="1" macthtype="string"
    refurl="http://www.zuola.net/network/protocol/201105/193110.html" sourcelang="gb2312" cosort="asc"
  isref="no" exptime="10" usemore="0" /}
{dede:listrule sourcetype="batch" rssurl="http://" regxurl="http://www.zuola.net/network/protocol/list_(*).html"
startid="1" endid="1" addv="1" urlrule="area" musthas=""
 nothas="" listpic="1" usemore="0"}
    {dede:addurls}{/dede:addurls}
    {dede:batchrule}{/dede:batchrule}
    {dede:regxrule}{/dede:regxrule}
    {dede:areastart}<div class="list-cc">{/dede:areastart}
    {dede:areaend}</div>{/dede:areaend}
{/dede:listrule}

{/dede:listconfig}

{dede:itemconfig}
{dede:sppage sptype='full' srul='1' erul='5'}<div class="page next-page">[内容]</div>{/dede:sppage}
{dede:previewurl}http://www.zuola.net/network/protocol/201105/193110.html{/dede:previewurl}
{dede:keywordtrim}{/dede:keywordtrim}
{dede:deｓｃｒｉｐｔiontrim}{/dede:deｓｃｒｉｐｔiontrim}
{dede:item field='title' value='' isunit='' isdown=''}
   {dede:match}<h1 class="title">[内容]</h1>{/dede:match}
   
   {dede:function}{/dede:function}
{/dede:item}{dede:item field='writer' value='' isunit='' isdown=''}
   {dede:match}{/dede:match}
   
   {dede:function}{/dede:function}
{/dede:item}{dede:item field='source' value='' isunit='' isdown=''}
   {dede:match}<span>来源：[内容]</span>{/dede:match}
   
   {dede:function}{/dede:function}
{/dede:item}{dede:item field='pubdate' value='' isunit='' isdown=''}
   {dede:match}时间:[内容]  <span>{/dede:match}
   
   {dede:function}{/dede:function}
{/dede:item}{dede:item field='body' value='' isunit='1' isdown='1'}
   {dede:match}<!--文章块开始-->[内容]<!--文章内分页结束-->{/dede:match}
   {dede:trim replace=""}<div class="contentgg">(.*)</div>{/dede:trim}
{dede:trim replace=""}<div align="center" style="padding-top:20px;">(.*)</div>{/dede:trim}
{dede:trim replace=""}<div class="page next-page">(.*)</div>{/dede:trim}
   {dede:function}{/dede:function}
{/dede:item}
{/dede:itemconfig}