2.1.4 获取文章发布时间的采集规则

回到图23，可发现有“17小时前”，由此可见，这里采集数字17就可以了。采集规则为“<span class=”bh”>[内容]小时前</span>”。这里不需要使用过滤规则。填写后，如图30所示，

图30-文章发布时间的采集规则

2.1.5 获取图片集合以及图集内容的采集规则

这个部分是编写采集规则的重点，也是难点。需要特别注意。

图片集合：如果把采集的匹配规则填写在这里的话，系统就会把所采集到的图片，以图集的形式保存起来，注意这里只采集图片。

图集内容：在显示图集的时候，所需显示的说明性文字或者图片。

具体操作步骤：

 （a）在打开的内容页面的源代码中，找到内容的开始部分“一些壁纸”，如图31所示，

图31-内容的开始部分

分析一下这个源代码可知，以下两点：

（1）“一些壁纸”是这个图集的内容，因此可以把“条评论<br/>”作为匹配图集内容的开始部分。但是这样采集到的内容会包含有< /span>，应该在过滤规则中使用“{dede:trim replace=””}</span>{/dede:trim}”过滤掉。

（2）“<div class=”show_content_pic”><ul>”可作为匹配图片集合的开始部分，而且每一个图片及其相关信息都是在“& lt;li class=”art_content_listli”>”和”</li>”之间的。注意到这段代码中有两个地方都出现了< img>，通过对比原文可发现，”<img src=”/images/zoomit1.gif” class=”jdjz”>”是一个图标的源代码，这里是不应该被采集到的。为了过滤掉这个图标，需要在匹配规则中填写“{dede:trim replace=””}<p>(.*)</p>{/dede:trim}”。

填写后，如（图32）所示，

图32-开始部分的匹配规则及其过滤规则

（b）找到图集内容的结束部分，因为涉及到分页部分，所以应该选取分页结束的位置，如图33所示，

图33-图集内容的结束部分

很明显，这里应选取“<li style=”text-align:center;”><ｓｃｒｉｐｔ type=”text/javaｓｃｒｉｐｔ”>”作为图片集合和图集内容的结束部分。填写完成后，如（图34）所示，

图34-结束部分的匹配规则及其过滤规则

到这里，“新增采集节点：第二步设置内容字段获取规则”，就设置完成了。来看一下整个配置页面，如（图35）所示，

图35-设置后的新增采集节点：第二步设置内容字段获取规则

检查无误后，单击“保存并测试”。如果之前设置正确，单击后，将会进入“新增采集节点：测试内容字段设置”页面并看到相应的文章内容。如（图36）所示，

图36-新增采集节点：测试内容字段设置

确定正确无误后，如果单击“仅保存”，系统将会提示“成功保存配置“并返回”采集节点管理“界面；如果单击“保存并开始采集“，将会进入”采集指定节点“界面。否则，请单击“返回上一步进行修改”。

关于第二节的介绍就到这里。

本文的采集规则：

{dede:listconfig} {dede:noteinfo notename=”图片采集” channelid=”2″ macthtype=”string” refurl=”http://www.zcool.com.cn/show/ZNTc1MDT=.html” sourcelang=”utf-8″ cosort=”asc” isref=”no” exptime=”10″ usemore=”0″ /} {dede:listrule sourcetype=”batch” rssurl=”http://” regxurl=”http://www.zcool.com.cn/shows/0!0!0!200!(*)!1!0!0/” startid=”1″ endid=”1″ addv=”1″ urlrule=”area” musthas=”=.html” nothas=”” listpic=”1″ usemore=”0″} {dede:addurls}{/dede:addurls} {dede:batchrule}{/dede:batchrule} {dede:regxrule}{/dede:regxrule} {dede:areastart}<ul>{/dede:areastart} {dede:areaend}</ul>{/dede:areaend} {/dede:listrule}

{/dede:listconfig}

{dede:itemconfig} {dede:sppage sptype=’full’ srul=’1′ erul=’5′}<div>[内容]</div>{/dede:sppage} {dede:previewurl}http://www.zcool.com.cn/show/ZNTc1MDT=.html{/dede:previewurl} {dede:keywordtrim}{/dede:keywordtrim} {dede:deｓｃｒｉｐｔiontrim}{/dede:deｓｃｒｉｐｔiontrim} {dede:item field=’title’ value=” isunit=” isdown=”} {dede:match}”<h1>[内容]</h1>{/dede:match} {dede:trim replace=””}<img([^>]*)>{/dede:trim} {dede:function}{/dede:function} {/dede:item}{dede:item field=’writer’ value=” isunit=” isdown=”} {dede:match}{/dede:match}

{dede:function}{/dede:function} {/dede:item}{dede:item field=’source’ value=” isunit=” isdown=”} {dede:match}<li><p>[内容]</p>{/dede:match} {dede:trim replace=””}<a([^>]*)>{/dede:trim} {dede:trim replace=””}</a>{/dede:trim} {dede:trim replace=””}<img([^>]*)>{/dede:trim} {dede:function}{/dede:function} {/dede:item}{dede:item field=’pubdate’ value=” isunit=” isdown=”} {dede:match}<span>[内容]小时前</span>{/dede:match}

{dede:function}{/dede:function} {/dede:item}{dede:item field=’imgurls’ value=” isunit=’1′ isdown=’1′} {dede:match}<div>[内容]<li style=”text-align:center;”><ｓｃｒｉｐｔ type=”text/javaｓｃｒｉｐｔ”>{/dede:match} {dede:trim replace=””}<p>(.*)</p>{/dede:trim} {dede:function}@me=TurnImageTag(@me);

{/dede:function} {/dede:item}{dede:item field=’body’ value=” isunit=’1′ isdown=’1′} {dede:match}条评论<br/>[内容]</p>{/dede:match} {dede:trim replace=””}</span>{/dede:trim} {dede:function}{/dede:function} {/dede:item} {/dede:itemconfig}