解析織夢v5.3的分頁采集

2024-04-25 20:26:25

字體：大中小

來源：轉載

供稿：網友

最近想做個技術型的網站，不知道用什么cms來做，在網上搜索了一大堆，看到織夢的采集功能還不錯，我也在想啊，做一個站如果所有的文章都需要站長一個一個的加，那不是要累死啊，所以就選著了織夢。

還好自己有點基礎，弄了一天就基本弄懂織夢的操作流程了，申請域名、空間，上傳程序。忙得是不亦樂乎，好了，開始采集文章了。好高興，一下就有了2000多篇文章。高興的打開來瞧瞧，哇，突然嚇了一跳，發現一個文章一看就只有一段沒有完整，打開源原址一看，原來有分頁，在網上找了N久，還是沒有結果，自己摸索摸索吧，搞了一天一夜幾乎沒有睡覺，我差點都沒有信心了，想著就是采集的文章只有一半，別人怎么看啊，都不想做了，也累了，還是好好睡一覺吧。

也許是老天看我太辛苦了吧，剛想睡覺，突然我一下睡意全無，我太興奮了，我看到了，看到了分頁被我采集了。好了，說了這么多，還是開始進入正題了。直接看圖。如果看不懂請打開源網址，查看源文件，和我的教程比較。開始選著左邊的采集，然后打開采集節點管理，添加新節點，選著普通文章。1、文章列表頁采集節點名稱：自己根據你的網站目錄和采集內容結合起來。網址：http://webdesign.chinaitlab.com/List_1399_(*).html 是有規則的網址列表。如果有不規則追加就好了。http://webdesign.chinaitlab.com/List_1399.html如果只有一頁或幾頁沒有規則就直接寫在下面手工指定網址就好了。

文章列表匹配規則。注意要多看幾頁找出相同的，列表頁大體相同，但有些有點小變化，所以要找出幾頁的共同html代碼。

區域開始的html ：

以下為引用的內容：
<TBODY> <TR> <TD width="74%" height="796" align=left vAlign=top><BR> <table cellSpacing=0 cellPadding=0 width=490 align=center border=0> <tr> 區域結束的html ：</tr> <tr> <td class=zhi12 colSpan=2><BR>

建議寫上篩選，一般寫必須包含，這樣準確點：chinaitlab.com/flashsl

保存進入下一步設置。以看到下面的圖為準。

3、分頁設置預覽網址可以更改。選擇有分頁的頁面來預覽，當然最好多預覽幾頁，主要是和前面一樣代碼可能有小變化，選著相同的html代碼http://webdesign.chinaitlab.com/flashsl/775579.html分頁匹配規則這里只要做過一次就不難了。

看我的代碼，請和源網址，查看源文件對比。

以下為引用的內容：
<p align='center'><b><font color='red'>[內容]</b></p><div align=right style="margin:3px 0;">[內容]為我們需要的內容，這個我想大家都知道了同理做好文章標題：(標題有兩個地方有，當然選簡單的個)<B class=zhi25><FONT color=#003399><BR><BR></FONT></B><B class=zhi25><FONT color=#003399>[內容]</FONT></B><br>文章作者：<IMG height=11 src="http://www.chinaitlab.com/cms/images/Author.gif" _fcksavedurl=""http://www.chinaitlab.com/cms/images/Author.gif"" width=11>[內容]<IMG height=15 src="http://webdesign.chinaitlab.com/images/c3.gif" width=14>

文章來源：<IMG height=12 src="http://webdesign.chinaitlab.com/images/c1.gif" _fcksavedurl=""http://webdesign.chinaitlab.com/images/c1.gif"" width=17>[內容]<IMG height=12 src="http://webdesign.chinaitlab.com/images/c2.gif" width=12>

這里有一個<a >中國教程網</a>（但是在我測試的有些里面又沒有，就是直接就是如中國教程網）所以有些就采集不出來，我只有寫遠點所以需要一個過濾規則，就是去掉不要的。規則是在需要的時候才有用，沒有<a></a>的時候就沒有用。下面的代碼就是去掉<a> </a>標簽保留中間內容。

你可以直接點擊常用規則選著超鏈接看哈有什么區別。

以下為引用的內容：
{dede:trim replace=""}<a([^>]*)>{/dede:trim}{dede:trim replace=""}</a>{/dede:trim} 文章內容：進入網絡咨詢平臺</strong></a> <strong><span class="style1"> ◆</span></strong><br> <BR class=zhi14>[內容]<span style="border:1px dashed #cccccc; margin:3px;">

同樣的需要過濾規則，你可以先不寫規則看哈，有什么區別就知道規則有什么用了。規則一定要根據實際文章來寫。

以下為引用的內容：
{dede:trim replace=""}<style([^>]*)>(.*)</style>{/dede:trim}{dede:trim replace=""}<div([^>]*)>{/dede:trim}{dede:trim replace=""}</div>{/dede:trim}{dede:trim replace=""}<SPAN([^>]*)>{/dede:trim}{dede:trim replace=""}</SPAN>{/dede:trim}{dede:trim replace=""}<a([^>]*)>{/dede:trim}{dede:trim replace=""}</a>{/dede:trim}{dede:trim replace=""}</p><p align='center'><b>(.*)</b></p>{/dede:trim}

這一句我多說哈，主要作用是去掉后面的分頁的文字。我開始也考慮把分頁內容排除在文章內容外面，但是有些文章又沒有分頁代碼，所以在文章的結尾html不好寫，所以我寫遠點然后用規則去掉分頁文字（同樣的如果不懂先不加這條，比較哈就知道了）

{dede:trim replace=""}<font([^>]*)>{/dede:trim}{dede:trim replace=""}</font>{/dede:trim}分頁采集成功沒有可以看有沒有一個{副標題#e#}，還有看哈最后一頁采集到沒有就知道。