#1：365建站器数据采集教程：如何填写采集网址与采集规则
本帖最后由 365站群教程 于 2019-9-17 21:39 编辑1、本教程以中彩网（http://www.zhcw.com/）的文章采集来进行演示：
| 栏目 | 栏目网址 | 内容板块 | 内容板块网址 |
| 彩票新闻 | http://www.zhcw.com/xinwen/ | 双色球新闻 | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/ |
| 彩票新闻 | http://www.zhcw.com/xinwen/ | 双色球中奖报道 | http://www.zhcw.com/xinwen/caimingushi/ssq/ |
| …… | …… | …… | …… |
2、点击软件的“数据采集”，“新建”一个采集项目：
填写采集名称和分类，
“采集名称”（自定义填写，方便自己识别）
填写：中彩网-彩票新闻-双色球新闻
“分类”（自定义填写，方便分组）
填写：中彩网
3、查看内容板块“双色球新闻”列表页的页码特点：
| 首页（第1页）： | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/ |
| 第2页： | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/index_2.shtml |
| 第3页： | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/index_3.shtml |
| 第4页： | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/index_4.shtml |
| …… | …… |
4、分析采集网址并填写相关值：
从第2页开始，页码数字是有规律的递增，将链接中的页码数字用(*)代替，均为英文状态下的字符，
“采集的列表网址”
填写：http://www.zhcw.com/xinwen/caizhongxinwen-ssq/index_(*).shtml
“多页采集选项”（只要页码数值有效，能正常访问即可）
填写页码区间：2-10
“不规则列表网址”（一般用于填写无页码数字的第1页，此项为选填，可忽略）
填写：http://www.zhcw.com/xinwen/caizhongxinwen-ssq/
点击“多页采集选项”，即页码区间后面的“测试”，查看到多页链接预览，确认无误。
5、确定“内容网址区域匹配”和“内容网址包含字符”：
利用Chrome浏览器右键“检查”或者查看列表页源代码，确定“内容网址区域匹配”，
确定内容网址区域为：
<ul class="Nlistul">和<div class="pagebar">之间
“内容网址区域匹配”（格式：开头字符串[内容]结尾字符串）
填写：<ul class="Nlistul">[内容]<div class="pagebar">
多查看几个内容网址，确定“内容网址包含字符”：
| 内容标题 | 内容网址 |
| 双色球113期：头奖11注589万 奖池10.73亿 | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/19580028.shtml |
| 双色球113期开奖结果:01 06 09 16 25 26+09 | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/19579015.shtml |
| 双色球112期：头奖11注609万 奖池11.01亿 | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/19542774.shtml |
| …… | …… |
提取出内容网址的相同特性值：
都包含：www.zhcw.com/xinwen/caizhongxinwen-ssq/ 和 .shtml
或者短一点的：
都包含：/xinwen/caizhongxinwen 和 .shtml
“内容网址包含字符”多项用英文逗号,分隔开，
填写：/xinwen/caizhongxinwen,.shtml
然后点击“采集的列表网址”后面的“采集链接测试”，查看到内容网址列表的预览，确认无误：
6、利用内置的公共规则，采集内容测试：
软件集成有内置的“公共规则”，可以采集到大部分网站的标题与内容，可以先用公共规则进行采集内容测试，
可以看到，公共规则能正确采集到标题与内容，点击下面的“保存”。
如果“公共规则”无法正确采集标题或内容，则可以自定义规则。
7、查看内容页源代码，自定义标题与内容规则：
打开一个内容页源代码，查找标题内容，确定标题前后的字符串：
<a id="ArticleTitle" name="ArticleTitle"></a>双色球113期：头奖11注589万 奖池10.73亿</h2>
或者截取短一点：
ArticleTitle"></a>双色球113期：头奖11注589万 奖池10.73亿</h2>
“标题字段规则”，（格式：开头字符串[内容]结尾字符串）
填写：ArticleTitle"></a>[内容]</h2>
再在源代码中查找内容开通和结尾的部分内容，确定内容的前后字符串：
“内容字段规则”，（格式：开头字符串[内容]结尾字符串）
填写：<div id="news_content">[内容]<div class="digg">
然后点击“采集内容测试”，查看到采集到的标题与内容预览，确认无误：
如果内容中含有不需要的内容，可以使用过滤规则过滤掉，过滤符号为 =>
过滤“中彩网”三个字为空，即删除，过滤规则：
中彩网=>空
替换“中彩网”三个字为“彩票网”，过滤规则：
中彩网=>彩票网
然后点击“保存”填写好的采集规则。
8、开始采集数据，查看采集结果：
点击“开始采集”。
采集停止或者采集完成后，点刷“刷新”查看采集条数。
进入“功能大全”，点击“文章库”查看采集的文章结果。
9、特别说明：
推荐使用Google Chrome浏览器，审查元素、查看源代码，方便分析查找规则。
数据采集支持正则表达式，懂正则表达式的用户可以使用正则表达式规则，更方便。
对于规则格式：开头字符串[内容]结尾字符串：
开头字符串：必须是全部源代码中的唯一值，可以Ctrl+F查询，查询结果为1 即可，用于确定采集数据的起点。
结尾字符串：必须是从开头字符串开始算起，在需要采集的内容中间未出现过的值，用于确定采集数据的终点。
10、本教程采集规则汇总：
中彩网-彩票新闻-双色球新闻：
| 采集名称： | 中彩网-彩票新闻-双色球新闻 |
| 分类： | 中彩网 |
| 采集的列表网址： | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/index_(*).shtml |
| 多页采集选项： | 2-10 |
| 不规则列表网址： | http://www.zhcw.com/xinwen/caizhongxinwen-ssq/ |
| 内容网址区域匹配： | <ul class="Nlistul">[内容]<div class="pagebar"> |
| 内容网址包含字符： | /xinwen/caizhongxinwen,.shtml |
| 标题字段规则： | ArticleTitle"></a>[内容]</h2> |
| 内容字段规则： | <div id="news_content">[内容]<div class="digg"> |
中彩网-彩票新闻-双色球中奖报道：
| 采集名称： | 中彩网-彩票新闻-双色球中奖报道 |
| 分类： | 中彩网 |
| 采集的列表网址： | http://www.zhcw.com/xinwen/caimingushi/ssq/index_(*).shtml |
| 多页采集选项： | 2-10 |
| 不规则列表网址： | http://www.zhcw.com/xinwen/caimingushi/ssq/ |
| 内容网址区域匹配： | <ul class="Nlistul">[内容]<div class="pagebar"> |
| 内容网址包含字符： | /xinwen/caimingushi,.shtml |
| 标题字段规则： | ArticleTitle"></a>[内容]</h2> |
| 内容字典规则： | <div id="news_content">[内容]<div class="digg"> |
页:
[1]