制作采集规则--正文规则（帖子类型）

admin

帖子类型的网页和文章类型的区别在于多了具有回复，这些回复区域一般具备相同的特征代码，在爱飞软件中设置为单元区域。

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。
在列表规则中，单元区域是抓取各个文章标题、链接，在正文规则中，单元区域则是配合抓取回复、作者名，单元区域都是为了抓取 重复区块中的内容。

下面分析dz论坛的一个帖子：

1. http://www.discuz.net/thread-3147028-1-3.html

复制代码

一、分析帖子主题、回复区域内容的HTML源代码

1. 主题代码 <td id="postmessage_25670034" class="t_f">
   
2. 一楼代码 <td id="postmessage_25670081" class="t_f">
   
3. 二楼代码 <td id="postmessage_25670133" class="t_f">
   
4. ……
   

复制代码

可以看到，内容具有共同特征代码 class="t_f"，则这个可以设置为 单元区域，并同时设置为 正文（软件会默认获取单元区域为输出内容，如果需要抓取作者名，需要追加到单元区域，设置正文代码避免将作者名也抓到内容中）。

补充：如果是采集文章、评论，文章和评论并没有相同的特征代码，处理方法如下
  1.将 文章代码设置在 首贴/文章区域 并同时设置为正文代码
  2.将 评论代码设置在 单元区域          并同时设置为正文代码

二、分析帖子主题、回复的作者名的HTML源代码

1. 主题作者 <a class="xw1" href="http://www.discuz.net/home.php?mod=space&amp;uid=1378995" target="_blank">LaterComer</a>
   
2. 一楼作者  <a class="xw1" href="http://www.discuz.net/home.php?mod=space&amp;uid=1334716" target="_blank">vallkiss</a>
   
3. 二楼作者 <a class="xw1" href="http://www.discuz.net/home.php?mod=space&amp;uid=1334716" target="_blank">vallkiss</a>
   
4. ……

复制代码

可以看到，作者名具有共同特征代码 class="xw1"，这这个可以追加设置 单元区域，并同时设置为 作者名。

三、分析翻页区域的HTML源代码

1. <div class="pg"><strong>1</strong><a href="http://www.discuz.net/thread-3147028-2-3.html">2</a><a href="http://www.discuz.net/thread-3147028-3-3.html">3</a><label><input type="text" name="custompage" class="px" size="2" title="输入页码，按回车快速跳转" value="1" onkeydown="if(event.keyCode==13) {window.location='forum.php?mod=viewthread&tid=3147028&extra=page%3D3&page='+this.value; doane(event);}" /><span title="共 3 页"> / 3 页</span></label><a href="http://www.discuz.net/thread-3147028-2-3.html" class="nxt">下一页</a></div>

复制代码

需要注意：针对需要采集回复的帖子类型网页，翻页代码需要设置在 下一页代码（同列表下一页，而非正文下一页代码），这边设置 下一页代码 为 class="nxt"  或 >下一页。