采集管理 (四)、采集正則寫法 帝國網(wǎng)站管理系統(tǒng)

采集正則寫法

帝國CMS采集正則介紹與寫法。

 

帝國CMS的采集正則

1、作用：通過設(shè)置采集正則以便使系統(tǒng)識別你要采集的內(nèi)容。

2、帝國CMS的采集正則是什么樣的，下面我們用實例講解：

(1)、假如我們要采集頁面的內(nèi)容頁為如下頁面： 圖1：HTML頁面 圖2：查看頁面源代碼為如下： (2)、由上圖的源代碼內(nèi)容我們可以得出帝國CMS的采集正則： 新聞標題正則：     <td>標題：<strong>[!--title--]</strong></td> 新聞內(nèi)容正則：      <td>內(nèi)容：<font color="#FF0000">[!--newstext--]</font></td> 上面中的“[!--title--]”與“[!--newstext--]”分別為“標題”字段與“內(nèi)容”字段的正則變量。用于指定我們要采集的內(nèi)容位置。 (3)、由上面我們得出了，帝國CMS采集正則是把正則變量替換要采集內(nèi)容后的代碼內(nèi)容。格式： 識別代碼頭部[!--變量名--]識別代碼尾部 注意事項：上面的“識別代碼頭部”一定是要唯一的標記。

3、帝國CMS正則還有表示任意內(nèi)容的字符：“*”

如果“識別代碼頭部”中有內(nèi)容是變化的，那么我們可以用*代替它。如頁面源代碼為如下，我們要采集下面的鏈接地址： <a title="任意可變內(nèi)容" href="鏈接地址">標題</a> 通過使用“*”任意內(nèi)容表示字符，我們可以用下面的正則忽略可變內(nèi)容，獲得鏈接地址： <a title="*" href="[!--newsurl--]"> 附加說明：[!--newsurl--]為頁面鏈接地址的正則變量。

4、其他說明：

(1)、正則要找出唯一性的開頭字符。有時候空格都會成為識別的依據(jù)。

(2)、對于特殊字符請在前面加上“\\”，當然直接將特殊字符改為“*”最合適了。特殊字符如下： “ )”、“(”、“{”、“}”、“[”、“]”、“\”、“?”等等。