设为首页收藏本站

爱飞SEO软件 -- 助站长腾飞!!!

 找回密码
 立即注册

QQ登录

只需一步,快速开始

新浪微博账号登陆

只需一步,快速开始

从这里开始1.注册账号-->2.下载软件-->3.查看教程-->4.求助咨询 免费使用全部功能 官方qq群:爱飞seo软件交流

搜索
查看: 2010|回复: 0

[教程] 制作采集规则--正文规则(新闻、文章类型)

[复制链接]

64

主题

975

好友

1万

积分

管理员

Rank: 9Rank: 9Rank: 9

签到天数: 31 天

[LV.5]常住居民I

151****1798

社区QQ达人 宣传达人

发表于 2012-11-9 15:44:11 |显示全部楼层
上一节讲解了列表规则的制作方法:制作采集规则--列表规则

这一节讲解 正文规则的制作方法,针对新闻、资讯类网页,论坛帖子类型网页之后讲解。

正文规则是采集规则的一种,其作用是抓取网页(分页)内容如文字、图片、附件。

采集规则核心概念是找到特征字符,设置进对应的采集标签内即可,软件会自动分析出有用的字段

制作规则可以从网页上直接右键设置,下面我们主要分析下相关源代码,理解软件是如何抓取这些字段,便于有些时候进行手工微调。

我们来分析qq新闻文章页:
  1. http://news.qq.com/a/20121109/001304.htm
复制代码
一、标题部分源代码如下:
  1. <h1>奥巴马感谢竞选团队数度哽咽声泪俱下(图)</h1>
复制代码
标题的特征代码可以设置为 <h1

二、正文部分源代码如下:
  1. <div class="bd" accesskey="3" tabindex="-1">
  2. <div id="Cnt-Main-Article-QQ" bosszone="content"><p align="center"><img alt="奥巴马赢得总统连任,对竞选团队工作人员表示感谢,声泪俱下" src="http://img1.gtimg.com/news/pics/hv1/231/69/1192/77527626.jpg"></p><p class="pictext" align="center"><span style="FONT-SIZE: 12px">奥巴马赢得总统连任,对竞选团队工作人员表示感谢,声泪俱下</span></p><p align="center"><img alt="奥巴马感谢竞选团队数度哽咽声泪俱下(图)" src="http://img1.gtimg.com/news/pics/hv1/233/69/1192/77527628.jpg"></p><p align="center"><span style="FONT-SIZE: 12px">奥巴马擦拭泪水</span></p><p align="center"><img alt="奥巴马感谢竞选团队数度哽咽声泪俱下(图)" src="http://img1.gtimg.com/news/pics/hv1/232/69/1192/77527627.jpg"></p><p align="center"><span style="FONT-SIZE: 12px">奥巴马演讲中激动落泪</span></p><p style="TEXT-INDENT: 2em">中新网11月9日电 据外电报道,在确定赢得连任后,美国总统奥巴马在位于美国芝加哥的竞选总部对团队工作人员表示感谢。在现场发表讲话时,他数度哽咽,声泪俱下。</p><p style="TEXT-INDENT: 2em">据美国媒体统计数据显示,当地时间6日深夜,美国总统、民主党总统候选人奥巴马赢得303张选举人票,远超共和党对手罗姆尼的206张选举人票,成功连任。对此,奥巴马在感谢其竞选班子工作人员时激动地说,“我真心为你们感到骄傲”。</p><p style="TEXT-INDENT: 2em">不仅如此,奥巴马在5分半钟的感谢演讲中数度哽咽,流下男儿泪。</p>
复制代码
通过定位到代码树可以清晰看到正文所在的HTML区块是 <div id="Cnt-Main-Article-QQ" bosszone="content">
正文的特征代码可以设置为 id="Cnt-Main-Article-QQ",软件会保留有用的图片和文字部分,自动过滤html代码,如果还有其他不需要的部分,可以参考爱飞采集规则基础教程,HTML代码入门,进行过滤!

三、如果正文页有分页,有别于列表翻页,需要设置在 正文下一页 翻页代码中。

至此,正文规则可以说是初步完成,我们保存规则后,可以通过预览来测试其他正文页,是否抓取正常,尤其是最后一页的翻页是否获取错误。

正文规则为: ,这边需要说的是,特征字符每个人找的可能不一样,只需要最终预览测试正常即可。


本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册 新浪微博账号登陆

踩过的脚印
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册 新浪微博账号登陆

在线客服
视频演示
我的任务

申请友链|手机版|百度|爱飞科技 ( 苏ICP备12032809号 )  

GMT+8, 2020-11-29 17:45 , Processed in 0.243367 second(s), 39 queries .

Powered by Discuz! X2.5

© 2001-2012 Comsenz Inc.

更多