自动采集文章内容(五、文章网址匹配规则文章的设置和设置)

　　自动采集文章内容(五、文章网址匹配规则文章的设置和设置)

　　五、文章URL匹配规则

　　文章web地址匹配规则设置非常简单，无需复杂的设置。提供了两种匹配模式。您可以使用URL通配符匹配或CSS选择器进行匹配。通常，使用URL通配符匹配相对简单

　　1.使用URL通配符匹配

　　单击列表URL上的文章可以发现每个文章的URL都有以下结构

　　因此，将URL中更改的数字或字母替换为通配符（*），例如：（*）/（*）。Shtml

　　2.使用CSS选择器进行匹配

　　使用CSS选择器进行匹配，我们只需要设置文章URL的CSS选择器（我们不知道CSS选择器是什么，并在一分钟内学习如何设置CSS选择器）。我们可以通过查看列表URL的源代码轻松设置，并在列表URL下找到特定文章hyperlink的代码，如下所示：

　　您可以看到文章的超链接a标记位于类为“contlist”的标记内，因此文章网站的CSS选择器只需设置为。续表a，如下所示：

　　设置完成后，如果不知道设置是否正确，可以点击上图中的测试按钮，如果设置正确，列表网址下的所有文章名称和对应的网页地址都会被列出，如下图：

　　六、文章抓取设置

　　在此页签中，我们需要设置文章title和文章content的匹配规则。设置它们有两种方法。建议使用CSS选择器，它更简单、更准确。（我不知道CSS选择器是什么。我将在一分钟内学习如何设置CSS选择器）

　　我们只需设置文章Title CSS选择器和文章content CSS选择器即可准确捕获文章Title和文章content

　　在文章source设置中，我们以采集“新浪互联网新闻”为例，这里仍将对此进行解释。您可以通过查看列表网站下文章的源代码轻松设置它。例如，我们可以查看特定文章的源代码，如下所示：

　　您可以看到，文章title位于ID为“articletTitle”的标记内，因此文章title CSS选择器只需要设置为#articletTitle

　　类似地，查找文章内容相关代码：

　　如您所见，文章content位于ID为“artist”的标记内，因此文章content CSS selector只需设置为#artist，如下所示：

　　设置后，如果不知道设置是否正确，可以单击测试按钮并输入测试地址。如果设置正确，将显示文章标题和文章内容，以便于检查设置

　　七、grab文章分页内容

　　如果文章内容太长，多个页面也可以捕获所有内容。此时，您需要设置文章page link CSS选择器，通过查看特定文章网站的源代码来查找页面链接。例如，文章页面链接的代码如下：

　　您可以看到分页链接a标签位于类为“page link”的标签内

　　因此，文章page link CSS选择器可以设置为。页面链接a，如下图所示：

　　如果选中此选项，当发布也被分页时，发布文章也将被分页。如果你的WordPress主题不支持标签，请不要检查

　　八、文章内容过滤功能

　　文章content过滤功能可以过滤掉你不想在体内发布的内容（如广告代码、版权信息等）。您可以设置两个关键词并删除两个关键词之间的内容关键词2可以为空，表示删除关键词1之后的一切

　　如下所示，通过测试捕获文章后，我们发现文章中有我们不想发布的内容。切换到HTML显示，找到内容的HTML代码，分别设置两个关键词来过滤内容

　　如果需要过滤多个内容，可以添加多组设置

　　九、HTML标签过滤功能

　　HTML标记过滤函数，可以过滤掉采集文章中的超链接（如标记）@