前言：這篇文章是Dedecms采集功能使用方法的第二篇，主要目的是采集含有分頁的普通文章，并使用簡單的過濾規(guī)則。這次選取的目標(biāo)站點(diǎn)是中國網(wǎng)管聯(lián)盟網(wǎng)絡(luò)技術(shù)頻道的網(wǎng)絡(luò)協(xié)議欄目，網(wǎng)址是“http://www.bitscn.com/network/protocol/”。本文共分為三節(jié)，第一節(jié)，主要是介紹新增采集節(jié)點(diǎn)中的第一步：設(shè)置基本信息及網(wǎng)址索引頁規(guī)則；第二節(jié)，主要是介紹新增采集節(jié)點(diǎn)中的第二步：設(shè)置字段獲取規(guī)則；第三節(jié)，主要是介紹如何采集指定節(jié)點(diǎn)和如何導(dǎo)出采集內(nèi)容。對(duì)于編寫采集規(guī)則中一些基本的操作，本文將一帶而過或不再涉及，如有疑問可參見文章“Dedecms采集功能的使用方法 --- 不含分頁的普通文章的采集”。

下面進(jìn)入第一節(jié)。

1.1 設(shè)置基本信息及網(wǎng)址索引頁規(guī)則

建立一個(gè)新的普通文章型節(jié)點(diǎn)，并進(jìn)入“新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁規(guī)則”如（圖1）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖1-新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁規(guī)則

1.1.1 設(shè)置節(jié)點(diǎn)基本信息

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖2-節(jié)點(diǎn)基本信息

首先，定義節(jié)點(diǎn)名稱為“采集測(cè)試（二）”。其次，查找目標(biāo)頁面編碼。其操作步驟為：

（a）打開被采集的目標(biāo)頁：http://www.bitscn.com/network/protocol/；

（b）單擊右鍵后選擇“查看源文件”，找到“charset”， 如（圖3）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖3-查看源文件

其等號(hào)后面的代碼就是所需的“編碼格式”，這里是“gb2312”。對(duì)于“區(qū)域匹配模式”、“內(nèi)容導(dǎo)入順序”和“防盜鏈模式”，均使用默認(rèn)值。

引用網(wǎng)址：可以選取在文章列表里出現(xiàn)的任意一個(gè)文章頁的網(wǎng)址。方便起見，一般是填入文章列表中第一篇文章的網(wǎng)址，但是由于第一篇文章沒有涉及到分頁內(nèi)容，為了展示如何采集分頁文章，這里使用第二篇文章作為引用網(wǎng)址。其網(wǎng)址為：“http://www.bitscn.com/network/protocol/201105/193110.html”。設(shè)置后的節(jié)點(diǎn)基本信息，如（圖4）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖4-設(shè)置后的節(jié)點(diǎn)基本信息

檢查無誤后，進(jìn)入下一步設(shè)置。

1.1.2 設(shè)置列表網(wǎng)址獲取規(guī)則

如（圖5）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖5-列表網(wǎng)址獲取規(guī)則

這里是設(shè)置被采集的文章列表頁的匹配規(guī)則的，也是本節(jié)的重點(diǎn)和難點(diǎn)。

具體操作步驟：

（a）首先，回到已打開的文章列表頁，這時(shí)瀏覽器的URL地址欄中顯示的網(wǎng)址，如（圖6）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖6-列表首頁的網(wǎng)址

（b）找到文章列表頁的換頁部分，把鼠標(biāo)放在各個(gè)頁碼上面，同時(shí)觀察其URL的變化規(guī)律?？梢缘贸?，網(wǎng)址的匹配規(guī)律為：“http://www.bitscn.com/network/protocol/list_(*).html“。因此，在“匹配網(wǎng)址”中，應(yīng)填入“http://www.bitscn.com/network/protocol/list_(*).html”，為了能夠快速演示采集過程，這里設(shè)定頁面是從1開始到1結(jié)束，也就是說只采集第一頁。

設(shè)置后的 “列表網(wǎng)址獲取規(guī)則”，如（圖7）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖7-設(shè)置后的列表網(wǎng)址獲取規(guī)則

檢查無誤后，進(jìn)入下一步設(shè)置。

1.1.3 設(shè)置文章網(wǎng)址匹配規(guī)則

如（圖8）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖8-文章網(wǎng)址匹配規(guī)則

這里是設(shè)置被采集文章列表頁的匹配規(guī)則。

具體操作步驟：

（a）對(duì)于“區(qū)域開始的HTML”，可通過在打開的文章列表首頁上，單擊右鍵后選擇“查看源文件”。在源文件中，找到第一篇文章的標(biāo)題“OpenFlow網(wǎng)絡(luò)是空談嗎？”，如（圖9）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖9-查看源文件中，第一篇文章的標(biāo)題

 通過觀察源文件，不難看出“<div class="list-cc">”為整個(gè)文章列表的開始部分。因此，在“區(qū)域開始的HTML”中，填入“<div class="list-cc">”。 

 （b）在源文件中，找到最后一篇文章標(biāo)題“認(rèn)識(shí)多重PPP鏈接協(xié)議”，如（圖10）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖10-查看源文件中，最后一篇文章的標(biāo)題

結(jié)合文章列表的開始部分并通過觀察可知，“</div>”為整個(gè)文章列表的結(jié)束部分。因此，在“區(qū)域結(jié)束的HTML”中，應(yīng)填入”</div>”。

設(shè)置結(jié)束后的“文章網(wǎng)址匹配規(guī)則“， 如（圖11）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖11-設(shè)置后的文章網(wǎng)址匹配規(guī)則

通過1.1.1小節(jié)、1.1.2小節(jié)和1.1.3小節(jié)，新增采集節(jié)點(diǎn)的第一步就已經(jīng)設(shè)置完成了。設(shè)置后的結(jié)果，如（圖12）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖12-設(shè)置后的新增采集節(jié)點(diǎn)：第一步設(shè)置基本信息及網(wǎng)址索引頁規(guī)則

全部完成并檢查無誤后，單擊“保存信息并進(jìn)入下一步設(shè)置“。如果之前設(shè)置正確，單擊后，將會(huì)進(jìn)入“新增采集節(jié)點(diǎn)：測(cè)試基本信息及網(wǎng)址索引頁規(guī)則設(shè)置的網(wǎng)址獲取規(guī)則測(cè)試”頁面并看到相應(yīng)的文章列表地址。如（圖13）所示，

(此圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除! )

圖13-網(wǎng)址獲取規(guī)則測(cè)試

確定正確無誤后，單擊“保存信息并進(jìn)入下一步設(shè)置”。否則，請(qǐng)單擊“返回上一步進(jìn)行修改“。

到這里，第一節(jié)就結(jié)束了。下面進(jìn)入第二節(jié)。。。