采集文章(新浪互联网新闻为例，文章列表网址匹配规则的设置)

　　采集文章(新浪互联网新闻为例，文章列表网址匹配规则的设置)

　　以采集《新浪网》为例，文章列表网址是，所以在手动指定的文章列表网址中输入，如下图：

　　之后需要设置特定文章URL的匹配规则

　　在文章列表网址下。

　　五、文章网址匹配规则

　　文章 URL匹配规则的设置很简单。不需要复杂的设置。提供两种匹配模式。您可以使用 URL 通配符匹配或 CSS 选择器进行匹配。通常，URL 通配符匹配比较简单。

　　1. 使用 URL 通配符匹配

　　通过点击列表网址上的文章，我们可以发现每个文章网址的结构如下

　　所以用通配符(*)替换URL中改变的数字或字母，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选择器即可（不知道CSS选择器是什么，一分钟学会设置CSS选择器)，通过查看URL列表源码可以很方便的设置，在列表URL下找到具体的文章超链接代码，如下图：

　　如你所见，文章标签的超链接在类为"contList"的标签内，所以文章 URL的CSS选择器只需要设置为.contList a ，如下图所示：

　　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，将列出列表URL下的所有文章名称和对应的网址，如下图：

　　六、文章抓取设置

　　在这个标签下，我们需要设置文章标题和文章内容的匹配规则。提供了两种设置方法。推荐使用CSS选择器方式，使用更方便。准确的。 （不知道什么是CSS选择器，一分钟学会设置CSS选择器）

　　我们只需要设置文章标题CSS选择器和文章内容CSS选择器就可以准确抓取文章标题和文章内容。

　　在文章的来源设置中，我们以采集“新浪网”为例。这里我们就用这个例子来说明，通过查看某篇文章的源码文章在列表URL上的代码可以很方便的设置，比如我们可以查看某个特定的文章@的源码> 如下图：

　　可以看到文章标题在id为“artibodyTitle”的标签内，所以文章title CSS选择器只需要设置为#artibodyTitle；

　　同理，找到文章内容的相关代码：

　　如你所见，文章的内容在id为“artibody”的标签内，所以文章content CSS选择器只需要设置为#artibody即可；如下图：

　　设置完成后，如果不知道设置是否正确，可以点击测试按钮，输入测试地址。如果设置正确，会显示文章标题和文章内容，方便查看设置

　　七、获取文章页面内容

　　如果文章的内容太长，有多个分页可以抓取所有内容。这时候就需要设置文章分页链接CSS选择器，通过查看具体的文章 URL源码，找到分页链接的地方，例如一个文章分页链接代码如下：

　　如您所见，分页链接A标签位于类为“page-link”的标签内

　　因此，文章页面链接的CSS选择器设置为.page-link a，如下图：

　　如果在发布时勾选Paging，发布文章也会被分页。如果您的 WordPress 主题不支持标签，请不要勾选。

　　八、文章内容过滤功能

　　文章 内容过滤功能可以过滤掉正文中不想发布的内容（如广告代码、版权信息等）。可以设置两个关键词，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之后的所有内容。

　　如下图，通过测试抓取文章后，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，设置两个关键词可以过滤掉内容。

　　如上图，如果我们要过滤掉上面的

　　和

　　在两者之间，添加以下设置。

　　如果需要过滤掉多个内容，可以添加多组设置。

　　九、HTML 标签过滤功能

　　HTML标签过滤功能可以过滤掉采集文章中的超链接（一个标签），