Dedecms织梦采集功能的如何使用好代码教程-含有分页的普通文章的采集(三)

春雨沙沙地下着,有如绣花针,有如牛毛。河面雪融化了,雪水汇成小溪,淙淙地流着。河水中,一只只小蝌蝌顽皮地游着,好似找它妈妈,可爱极了。

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.bitscn.com/network/protocol/201105/193110.html" sourcelang="gb2312" cosort="asc"
  isref="no" exptime="10" usemore="0" /}
{dede:listrule sourcetype="batch" rssurl="http://" regxurl="http://www.bitscn.com/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.bitscn.com/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" >(.*)</div>{/dede:trim}
{dede:trim replace=""}<div class="page next-page">(.*)</div>{/dede:trim}
   {dede:function}{/dede:function}
{/dede:item}
{/dede:itemconfig}

本文Dedecms织梦采集功能的如何使用好代码教程-含有分页的普通文章的采集(三)到此结束。此岸,彼岸,终究是尘归尘,土归土。一季绯红也只是一季花凉,几许艳丽,几许妩媚,几经风雨,尘埃落地。活着,就要慢慢老去,途径坎坷,感受悲喜,生命最终是寂灭。缘有长短,人有来去,再深的情也会淡泊,再浓的意也会无痕,初见永远不会再见。小编再次感谢大家对我们的支持!

您可能有感兴趣的文章
织梦后台文档列表添加复制文档功能支持所有模型

织梦无法上传ico图标格式文件的如何解决方法

dedecms如何实现任意页面调用当前会员信息的方

织梦dede:tag调用指定多个栏目的TAG标签

织梦栏目列表按附加表自定义字段排序