| 采集表达式页使用技巧必读,请对照看下面的图片: 1,凡是测试采集都是当作练习正则表达式的工具,生成的所有数据,采集的图片均保存于admin/temp目录下,每一次测试时都会自动清空以前留下的任何数据。 2, 单条新闻采集测试中输入网页地址,可用当前表单的表达式来进行网页内容的采集测试,以验证表达式是否正确 3, 内容不采集,批采集测试选是,单条新闻采集测试为空,这时将采集新闻标题和链接,可测试开始和结束字符串是否正确 4,实时采集选项可以实时从当前表单的设置中实时地采集数据,并生成相关实际的文件。如果选择从当前表单实时采集的同时还选中了批采集测试则采集的数据不生成真实页面 5,什么叫实时采集呢,当要采集的内容不是随时更新,而是具有分页形式的网页时,可以用此功能 如果填上了从第几条到第几条时,多页选项便不起作用,它的意思是你可以指定采集查找到的url地址范围内从第几条开始到第几条结束的新闻。 如果选择了实时采集多页选项时要注意:这时采集地址是形如:http://xxx.com/yyy.aspx?....&page= 注意一定要把分页参数写到最后面,这样才能和下面的开始页和结束页配合,以便采集多页面的内容。如果地址是形如: http://xxx.com/yyy.xxx_page.htm这种形式的话,那么采集地址应该是:http://xxx.com/yyy.xxx_,然后开始页和结束页填写page参数,后缀填上.htm即可 其实实时采集主要就是采集网站以前的分页形式的内容,非实时采集具有记忆功能,采集一次后下次采集时便只是采集更新过的内容了 6,高级设置 ,在这里,你可以设置保存图片和新闻的目录,但是如果你对相对路径不熟悉的话,请不要更改这里。 而且图片目录和新闻目录必须在同一目录,且不能设置到admin目录下 7,选择表达式,当你已经增加了表达式,但是这个表达式可以用在其它地方的时候你就可以选择此功能,简单地说就是采集表达式重用的意思 8,采集表达式支持多个表达式的组合,每个表达式之间用#*#分隔,这时系统会依序采集网页内容,如果不成功,则调用下一个表达式来采集,反之则停止采集 9,过滤表达式的作用是去掉采集中与过滤表达式匹配的内容,它同样支持多个表达式的组合,每个表达式之间用#^分隔 ![]() |