Dede织梦采集功能的使用方法 --- 含有分页的普通

前言：这篇文章是Dedecms采集功能使用方法的第二篇，主要目的是采集含有分页的普通文章，并使用简单的过滤规则。这次选取的目标站点是中国网管联盟网络技术频道的网络协议栏目，网址是“http://www.bitscn.com/network/protocol/”。本文共分为三节，第一节，主要是介绍新增采集节点中的第一步：设置基本信息及网址索引页规则；第二节，主要是介绍新增采集节点中的第二步：设置字段获取规则；第三节，主要是介绍如何采集指定节点和如何导出采集内容。对于编写采集规则中一些基本的操作，本文将一带而过或不再涉及，如有疑问可参见文章“Dedecms采集功能的使用方法 — 不含分页的普通文章的采集”。

下面进入第一节。

1.1 设置基本信息及网址索引页规则

建立一个新的普通文章型节点，并进入“新增采集节点：第一步设置基本信息及网址索引页规则”如（图1）所示，

图1-新增采集节点：第一步设置基本信息及网址索引页规则

1.1.1 设置节点基本信息

图2-节点基本信息

首先，定义节点名称为“采集测试（二）”。其次，查找目标页面编码。其操作步骤为：

（a）打开被采集的目标页：http://www.bitscn.com/network/protocol/；

（b）单击右键后选择“查看源文件”，找到“charset”，如（图3）所示，

图3-查看源文件

其等号后面的代码就是所需的“编码格式”，这里是“gb2312”。对于“区域匹配模式”、“内容导入顺序”和“防盗链模式”，均使用默认值。

引用网址：可以选取在文章列表里出现的任意一个文章页的网址。方便起见，一般是填入文章列表中第一篇文章的网址，但是由于第一篇文章没有涉及到分页内容，为了展示如何采集分页文章，这里使用第二篇文章作为引用网址。其网址为：“http://www.bitscn.com/network/protocol/201105/193110.html”。设置后的节点基本信息，如（图4）所示，

图4-设置后的节点基本信息

检查无误后，进入下一步设置。

1.1.2 设置列表网址获取规则

如（图5）所示，

图5-列表网址获取规则

这里是设置被采集的文章列表页的匹配规则的，也是本节的重点和难点。

具体操作步骤：

（a）首先，回到已打开的文章列表页，这时浏览器的URL地址栏中显示的网址，如（图6）所示，

图6-列表首页的网址

（b）找到文章列表页的换页部分，把鼠标放在各个页码上面，同时观察其URL的变化规律。可以得出，网址的匹配规律为：“http://www.bitscn.com/network/protocol/list_(*).html“。因此，在“匹配网址”中，应填入“http://www.bitscn.com/network/protocol/list_(*).html”，为了能够快速演示采集过程，这里设定页面是从1开始到1结束，也就是说只采集第一页。

设置后的 “列表网址获取规则”，如（图7）所示，