Dedecms采集功能的使用方法 --- 不含分页的普通文章

前言：这篇文章是为了初次接触Dedecms采集功能的朋友所写的。所选取的目标站点为文章内容页面不含有分页的Dedecms官方网站的dreameaver栏目文章，通过图文并茂的形式，详细地介绍了如何创建一个基本的采集规则。本文共分为三节：第一节，主要是介绍如何进入采集界面和新增采集节点中的第一步：设置基本信息及网址索引页规则；第二节，主要是介绍新增采集节点中的第二步：设置字段获取规则；第三节，主要是介绍如何采集指定节点和如何导出采集内容。下面进入第一节。

1.1进入采集节点管理界面

如（图1）所示，在后台管理界面的主菜单中单击“采集”，然后单击“采集节点管理”，即可进入采集节点管理界面，如（图2）所示。

( )

图1-后台管理界面

( )

图2-采集节点管理界面

1.2. 增加新节点

在采集节点管理界面中，单击左下角的“增加新节点”或者右上角的“添加新节点”（如图2），都可进入“选择内容模型”界面，如（图3）所示，

( )

图3-选择内容模型界面

在“选择内容模型”界面的下拉列表框中，有“普通文章”和“图片集”可供选择。根据被采集页面的类型，选择相应的内容模型。本文这里选择“普通文章”，单击确定后，便可进入“新增采集节点：第一步设置基本信息及网址索引页规则”界面，如（图4）所示，

( )

图4-新增采集节点：第一步设置基本信息及网址索引页规则

1.2.1 设置节点基本信息

( )

图5-节点基本信息

如（图5）所示，

节点名称：给新建立的节点起一个名字，这里填上“采集测试（一）”；

目标页面编码：设定被采集目标页的编码格式，有GB2312、UTF8和BIG5三种。可通过在被采集目标页面上，单击右键后选择“查看源文件”来获取。

操作步骤：

（a）打开被采集的目标页：http://www.zuola.net/knowledge/web-based/dreamweaver/；

（b）单击右键后选择“查看源文件”，找到“charset”，如（图6）所示，

( )

图6-查看源文件

其等号后面的代码就是所需的“编码格式”，这里是“gb2312”。

“区域匹配模式”：设定如何匹配所需采集的内容部分，可采用字符串或者正则表达式。系统默认的模式是字符串。如果比较了解正则表达式的朋友，可以在这里选择正则表达式的模式。

“内容导入顺序”：指定文章列表导入时候的顺序，可以选择“与目标站一致”或“与目标站相反”。

“防盗链模式”：针对被采集的目标站点有无刷新限制。一开始很难判断出来，需要测试后才能知道。如果有的话，这里需要设置一下“资源下载超时时间”。

“引用网址”：填入任何一个即将被采集的文章内容页面的网址。

具体操作步骤：

（a）在已打开的文章列表页中，单击第一篇文章的

标题“在Dreamweaver中为插入的Flash添加透明”，以打开文章内容页面，如（图7）所示，

( )

图7-文章内容页面

（b）此时在浏览器的URL地址栏中显示的网址，即为需要填写在“引用网址”处的网址，如（图8）所示，

( )

图8-浏览器的URL地址栏

到这里，“节点基本信息”就设置完成了。最后结果，如（图9）所示，

( )

图9-设置后的节点基本信息

检查无误后，进入下一步设置。

1.2.2 设置列表网址获取规则

如（图10）所示，

( )

图10-列表网址获取规则

这里是设置被采集的文章列表页的匹配规则。如果被采集的文章列表页有一定的规律，可选择“批量生成列表网址”；如果被采集的文章列表页完全没有规律可循，那么可选择“手工指定列表网址”；如果被采集的站点提供了RSS，则可以选择“从RSS中获取”。对于特殊情况，例如：部分列表页有规律，而其余的又没有规律，则可在“匹配网址”中填上有规律的部分，然后把没有规律的部分填写在“手动指定网址”。

具体操作步骤：

（a）首先，回到已打开的文章列表页，找到浏览器的URL地址栏中显示的网址（图8）和页面底部的换页部分。如（图11）所示，