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“
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}
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