火车头采集器第二章第2节：多级网址获取

　　上图可以看见 网址获取选项那儿下边有3个选项分别是“从页面手动剖析得到地址链接”，“手动填写链接地址规则”，“使用Xpath方法获取地址”。下面就这个3种形式进行讲解下。

　　1.从页面手动剖析得到地址链接

　　这种方法获取地址是告诉采集器一个采集范围，采集器会把这个范围内的链接地址全部采集到，上图“从该选取区域中提取网址”这个就是写范围的。有的时侯可能采集的结果有些是我们不想要的，那么上图的“结果网址过滤”就可以设置地址中必须包含字符或则不得包含的字符。

　　我们就采集 这个地址下边的新闻列表为例来设置说明下。我们首先打开这个页面火车头采集教程，然后页面右击查看页面源代码。如下图

　　大家先看下打开的源文件 是不是好多页面上的信息都可以看源文件里听到。那么就找下我们要采集的新闻在那里，上图我们看见第一篇新闻的标题是“facebook故事出新玩法”，这里注意下这个新闻是及时更新的，当你见到这篇教程的时侯第一篇文章标题早就不是这个了，这里你们注意。方法是一样的，大家要会举一反三。我们可以复制这个标题去页面源代码里出查找瞧瞧在哪些位置如图：

　　上图注意下红框框下来的字符，这串字符复制在页面源代码里向下查找一下，发现查找不到也就是说这串字符是在页面源文件第一次出现（这个很重要，必须是第一次出现），下面就是我们要采集的新闻内容的地址。这串字符就是这个区域的开始。

　　用前面同样的办法查找最后一篇文章所在位置，找到这个区域的结束如下图：

　　最后一篇文章结束位置找一串字符做为结束，这里是可以随便的，只要保证从我们前面说的开始字符开始第一次出现的就可以了，我这类找的是</div>，你同样可以找别的。

　　这里我们就把开始字符和结束字符找到了火车头采集教程，现在添加到采集器上面。