[采集参数列表] [手工添加新规则] [导入新规则] [下载新规则] [修改标题参数] [修改内容参数]
>>内容采集规则设置
内容采集(常用,请选择)
是否过滤相同的标题而不采集:
(目的,防止采集重复文章)
是过滤 不过滤
自定义正则语法规则(即用通配符替换原文内容):
第一步,打开查看任意一篇要采集的文章详细内容页HTML网页源代码.
第二步,查看网页源代码,找到文章内容,删除他,用通配符{content=*}替换,然后再把他前面与后面的一小段代码也复制过来即可.

简单举例(常用):比如被采集的网站内容页的html代码如下
<tr><td>文章内容部分</td></tr><table>
那么右边输入
<tr><td>{content=*}</td></tr><table>

说明:通配符的前后有一小段HTML代码,是不可少的,目的是为了找规则,不需要太多,也不要太少,达到唯一性即可.

复杂举例(少用):比如内容的html代码如下
时间:2008-12-24 12:13abc不相关内容作者:张三abc不相关内容来源:齐博网abc不相关内容<tr><td class="asc">文章内容部分</td></tr><table>
那么右边输入
时间:{posttime=*}abc{*}作者:{author=*}abc{*}来源:{copyfrom=*}abc{*}<tr><td class="asc" >{content=*}</td></tr><table>
注意:除内容外,其它每个参数后面,一般都带有{*}非相关内容的通配符,通配符前面都有一个固定的字符,不能缺少固定的字符,如abc

必须要注意的是:
为何要取内容的html代码如下
<tr><td>文章内容部分</td></tr><table>
那么右边输入
<tr><td>{content=*}</td></tr><table>
而不是
<tr><td>文章内容部分</td></tr>
那么右边输入
<tr><td>{content=*}</td></tr>
这个呢?
为什么要多一段 <table> 呢?其实少这一段也是可以的,但就有可能采集到其他内容,即是精确度不高.代码多一点,精确度就高一点,但也不是越多越好.因为太多的话.有可能就采集不到了.

注意: 如果你采集的不仅仅是内容,还有其它作者、来源等参数,注意不能缺少{*},{*}代表非相关内容的通用代表符.
如果想尽可能的做到绝对精确,你设置以下的完毕后,请再点击上方的[采集文章]进行采集主内容设置
适用于哪个系统:
文章系统的话写article,其他可选参数为music,mv,photo,flash,down
留空,则为文章
显示不常用的高级设置(一般不用)
要替换文章中的字符:

目的,过滤不愿意看到的文字
格式为旧字符|新字符
开头PHP正则程序语法

(适合处理采集比较怪僻的网站.不懂PHP程序的,请留空,否则会出现严重问题使得采集程序无法运行)
结尾PHP正则程序语法

(适合处理采集比较怪僻的网站.不懂PHP程序的,请留空,否则会出现严重问题使得采集程序无法运行)
采集文件结尾的PHP正则程序语法

(适合处理采集比较怪僻的网站.不懂PHP程序的,请留空,否则会出现严重问题使得采集程序无法运行)
帮助说明
1.通配符说明:内容通配符是{content=*},不相关内容通配符是{*},作者通配符是{author=*},来源通配符是{copyfrom=*},日期通配符是{posttime=*},浏览量通配符是{hits=*}
2.当你仅仅获取内容时,是不需要用到“不相关内容”通配符的,否则是必须要用到“不相关内容”通配符的,不使用{*}的话,基本上是采集不成功。
3.针对于非文章模型的采集,你需要查看对应的自定义字段的英文字段名,即{自定义字段名=*}即可,如字段名是abcd,那么通配符是{abcd=*}
4.对于自定义模型,任何一个自定义字段,都是可以采集入库的.
5.采集器的原理就是查看网页源代码,找到要采集的字符串用通配符替换.如果要采集的不仅仅是文章内容的话,也即要采集两项以上的话,就必须要使用“不相关内容通配符”,但是采集字段的通配符后面或前面不能直接是{*},必须要有其它至少一个以上的HTML代码隔开