举例：现在有一篇文章如下：(网页文件均是下面的结构)
请记住 ：在本系统中要采集的内容均由表达式：(.+?)来表示，注意符号是半角的。要获取内容，主要是要注意分析网页中的相关html标记，比如现在我们就写获取上面要采集文章的表达式，表达式如下：
表达式2： 文章开始了：(.+?)嘿.+?fioweri(.+?)这里是某
........还可以写出很多的表达式出来，那么规律是什么呢，就是(.+?)前后的内容必须在网页文件中是唯一的，比如说:开始了：在(.+?)的前面应该只有一个，如果有好几个就会出现问题，同理文章开始了：也应该是唯一的，在实际情况中这些文字可能跟html标记有相当紧密的联系，要注意多分析，（假如你还不知道什么叫html标记，那么还是介意你参考一下相关的资料，它其实是比较简单的），同样(.+?)后面的匹配也应该是唯一的，“唯一”用在这里可能不太好，如果你已经熟悉了正则表达式，哪你就应该知道用“匹配”这个词
要重点说的一点还有： 不需要的内容可以用.+?来表示，比如：这里是某些html标记这句话就可以表示成：这.+?记，要注意的是.+?前后的匹配要唯一
所以重点就是：要采集的内容用 (.+?)来表示，不要的内容可以用.+?来表示。(.+?)和.+?就是所谓的正则表达式，注意它的前后匹配一定要准确
频道地址是： http://ent.sina.com.cn/film/
我们现在就来采集焦点新闻中的内容，要采集文章内容，肯定是要知道文章的url地址的，还好，在易企通新闻采集系统中这是件很简单的事，注意到我们在编写采集表达式的时候有“开始字符串”和“结束字符串”两个要填写的文本框，只要填上这两项就可以获取要采集文章的url地址和标题了，很显然“开始字符串”和“结束字符串”要包含要采集的内容，在这里看起来就应该是“焦点新闻”和“热门评论”，不错，一般情况下这样是可以的，但是记住，匹配必须准确，即在“焦点新闻”的前面不能在出现“焦点新闻”，在”热门评论“的前面，“焦点新闻”的后面也不能出现“热门评论”，因为这样的话，匹配就不唯一了，就可能会取到其它的内容或者取不到内容了。所以为了保险起见，我们一般会分析网页文件的源文件，结合文件中的一些html标记使匹配准确，比如这里我们的开始字符串和结束字符串就可以分别是：“焦点新闻</strong>”和“热门评论</strong>”，要看字符串是否唯一，可以用相关软件（比如dreamweaver)的查找功能来得知.填上了开始字符串和结束字符串之后就可以获取文件的标题和url地址了，这样以便于我们进一步获取网页文件的内容。如图2
(图2)
要知道“开始字符串”和“结束字符串”是否准确，可以选中下面的“批采集测试”按钮，并把“是否采集内容”项设为不采集，这样便可以查看结果是否准确。
既然知道了采集文章的url和标题，下面就要来真正采集它的内容了.这里我们打开一篇文章,如图一中的“组图：美国影视演员协会奖 章子怡颁奖艳光四射”,现在让我们来分析
看示例图3：
