织梦php 文章采集规则,如何正确写DedeCms采集规则

如何正确写DedeCms采集规则：

下面是详细过程，网上希望大家能认真看完慢慢去琢磨应该能帮助到你的：

第一步、确定采集的网站(我们以DEDE的官方站做为采集站做示范)

引用

http://www.dedecms.com/plus/list.php?tid=10

第二步、确定被采集站的编码。打开被采集的网页之后，查看源代码(IE：查看 - > 源代码)

在

之间找到 charset 这个，后面就显示网页的编码了，截图的是 “gb2312”

第三步、采集列表获取规则写法

来源网址写法 很明显pageno是表示分页页码 那么有多页列表的采集就要用“[var:分页]”来替换分页页码，截图如下

http://www.dedecms.com/ plus/list.php?tid=10&pageno=[var:分页]

文章网址需包含 网址不能包含 这两个一般不用写，用于采集列表范围有很多不需要的连接才用到他来做过滤使用。

上面的网址并没有带有至于http://www.dedecms.com 为什么要在前面加上，这个就不要我说了吧。

如果只有一个列表页，那么在来源网址就直接写上网址就OK了。

注意这里，最关键就是这里。

下面就是“采集获取文章列表的规则写法”，

就是上面打开的被采集页面的源代码文件，找到文章列表之前 和本页面没有其他相同的代码

在DedeCms官方站的列表页文章列表之前和之后最近的且没有相同的是“

”和“

”，分别写入“起始HTML”和“结束HTML”，写法看截图

第四步、采集文章标题，文章内容，文章作者，文章来源等规则写法，分页采集等。

“起始HTML”和“结束HTML”写法参考第三步中的“获取文章列表的规则写法”

下面讲的是如何采集分页内容 看截图圈着的地方 截图

文档是否分页 里面选择“全部列出的分页列表”

“起始HTML”和“结束HTML”写法参考第三步中的“获取文章列表的规则写法”

这里本来还有一张截图的,由于论坛配置,他现在显示在最上面.

在文章内容那里点上“分页内容字段”，不选择就不能采集。

“下载字段里的多媒体资源 ”这个是采集的时候把多媒体资源(视频，软件，图片等)下载到本地，也就是你的网站。

下面�*****滤规�

过滤规则需要用 “正则表达式”来写，但是对于新手来说，这个简直是比登天还要难，具体的可以参考

http://www.dedecms.com/web-art/PHP_jiaocheng/20070420/38633.html这个网页

下面教大家一个简单的方法

把下面的过滤规则复制到你那里去，几乎就可以了，也可以自己分析一下，说不定你就懂了

引用

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

• {/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}

{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}

{dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

{dede:trim}{/dede:trim}

当然 上面这些不能用来采集带有视频的，因为已经过滤了

自定义处理接口

这个说白了，就是PHP代码。只不过 “ @ me 表示当前标记值和最终结果“@ body表示原始网页”“ @ litpic 缩略图”，按照PHP的写法的就OK了