织梦怎么写采集规则(超详尽教程)

　　此文首发在小凡的新浪博客上，今天就转来了，供菜鸟学习哦~

　　今天给你们讲一讲如何写织梦5.3的采集规则教程!其他版本也类似哦！

　　首先我们打开织梦后台点击采集——采集节点管理——增加新节点

　　这里我们以采集普通文章为例织梦电影采集规则，我们选择普通文章，然后确定

　　我们步入了采集的设置页面，填写节点名称，就是给这个新节点取个名子，这里你可以任意填写。

　　然后打开你想要采集的文章列表页，这里我们以织梦官网为例打开这个页面，右键——查看源文件

　　找到目标页面编码，就在charset前面

　　页面基本信息其他的通常就不用管了，填完了如图

　　现在我们来填写列表网址获取规则

　　看看文章列表第一页的地址

　　对比第二页的地址

　　我们发觉了她们不仅49_后面的数字不一样，其他的都一样，所以我们可以这样写

　　(*).html

　　就是把1换成了(*)因为这儿只有2页，所以我们就填从1到2每页递增其实是1了，2-1...是等于1吧

　　这里我们就填写完了

　　可能你们采集的有些列表没有规则，那就只有手工指定列表网址了，如图

　　每行写一个页面地址

　　列表规则写完了，我们就开始写文章网址匹配规则了,回到文章列表页

　　右键查看源文件找到区域开始的HTML，就是找文章列表开始的标志。

　　我们很容易的找到了如图中的“新闻列表”。从这里开始，后面就是文章列表里

　　我们再找文章列表结束的HTML

　　就是这个了，一个很容易找到的标志

　　如果链接中富含图片：

　　不处理 采集为缩略图 这里按照自己的须要选择

　　对区域网址进行再度筛选：

　　(使用正则表达式)

　　必须包含：(优先级低于前者)

　　不能包含：

　　打开源文件，我们可以太清楚的看见，文章链接都是以.html结束的

　　所以，我们在必须包含前面填.html假如遇见有些列表很麻烦，还可以填写旁边的不能包含

　　我们点击保存设置步入下一步，可以看见我们获得的文章网址

　　看到这种就是对的了，我们保存信息步入下一步设置内容数组获取规则

　　我们瞧瞧文章有没有分页，随便步入一篇文章看看。。我们听到这儿的文章没有分页

　　所以这儿的我们就默认了

　　我们如今来找文章标题等等随意步入一篇文章，右键查看源文件

　　看看那些

　　依照源码填写

　　我们再来填写文章内容的开始，结束

　　和里面的一样，找到开始和结束标志

　　开始：

　　结束：

　　你想过滤文章中的哪些内容就到过滤规则里写吧，比如要过滤文章中的图片

　　选择常用规则

　　再勾选IMG 然后确定

　　这样我们就把正文中的图片过滤了

　　设置完毕后点保存设置并预览

　　这样一个采集规则就写好了，很简单吧有些网站很难写，可要多下点工夫了哦

　　我们点保存并开始采集——开始采集网页一会的工夫就采集完了

　　我们瞧瞧我们采集到的文章

　　456

　　看来是成功了织梦电影采集规则，我们导入数据吧

　　完成了，更新一下文档吧，可以看见采集到了文章咯

　　因为我们过滤了图片，所以上面的一张图片没有啦！

　　写采集规则其实很简单吧~

　　第一次写东西，写的不好请多多包含，有错误的地方请留言，我会及时改正！