在DedeCMS中建立采集点
转载请标明是引用于 http://blog.csdn.net/chenyujing5678
欢迎拍砖!
我们能采用中英网的生活综合为例来讲解。中英网的链接是：http://life.uker.net/other/
我们准备把下面的文章摘录下来：
1、新建采集点
采集->采集点管理->添加采集点->普通文章
2、完成采集第一步 网址索引：2、1 添加节点名称，目标页面编码可以从源代码中查看如下图，我们的页面编码是gb2321。
它是我们建立采集点后的效果的测试网页，一般选择一个文章页的网址。
我们以点开
这篇文章为例，它的网址是： http://life.uker.net/other/136566.html
2、3 来源属性它是我们得到文章列表的网址，这里我们可以有三种选项：批量生成列表网址、手工指定列表网址、从RSS中获取。
如下图所示，如果选择批量生成列表网址，那么我们会把下面的[1] 2 3 4 5 6 .....所有的列表都抓下来；
而如果选择手工指定，那么只能抓取一个列表，这里我们选择手工指定第一个列表。
所以我们的网址是：http://life.uker.net/other/index.html（如下图所示）
注意：有些人就说他们的第一个列表的网址怎么是： http://life.uker.net/other/（如下图）
那么我们该用哪个网址呢？怎么得到那个网址呢？
答案是肯定的，得选择http://life.uker.net/other/index.html网址。
如果大家有兴趣可以依次把列表2、列表3、、、、、的网址都找出来对比：
http://life.uker.net/other/index_1.html
http://life.uker.net/other/index_2.html
http://life.uker.net/other/index_3.html
http://life.uker.net/other/index_4.html
、、、、、、
这么看来，当然我们的第一个列表是http://life.uker.net/other/index.html了。
2、4 文章网址匹配规则我们找开第一个列表（http://life.uker.net/other/index.html）的源代码来查看。
（1）通过在代码中查找第一篇文章标题：
我们定位到下图，所以区域开始的HTML是<ul class="other">
（2）通过在代码中查找最后一篇文章标题：
我们定位到下图，所以区域开始的HTML是</li></ul>
这样我们得到如下结果：
3、完成采集第二步 内容配置：
我们只关心两个方面：文章标题与文章内容。
3、1 文章标题我们点开一篇文章，查看源码，在里面查找标题的地方，这时我们以第一篇文章为便来说明。
从上图所示，标题是 "英国留学生如何去警察局注册"，在源码中的位置有三个：
上图的第一个是在title里面，它应该当之无愧是标题，可是大家注意红色圈部分，它含有中英网的字眼，这要出现在我们的网站上肯定不合适；
第二个地方出现在<h2>里，是我们选择的地方。（在做过SEO的网站中，文章标题一般放在<h1>或<h2>里面），
当然有人会问在这个文章里会不会出现第二个<h2>呢？ 我也不明白原因，有知道的网友可以告诉我一下。
第三个地方在<h3>里面，没有<h2>来得好。
所以我们的文章标题匹配规则就是 <h2>[内容]</h2>
3、2 过滤规则：
我们选择把超链接去掉
这是文章内容的匹配规则，
我们从源代码中查找内容的第一行文字： 英国留学新生开学报道之后，学校通常会安排1-2天的时间让警方到学校办理学生
找到了两个地方：
比较两个地方，我们不选择在meta里的内容，因为它是定义描述及关键字的地方，不是内容，所以我们从第二张图入手，
得到内容的开始标志是：
<div class="bianzhean">
查找内容结尾的标志同理。。。。。。
得到结尾标志是 ：
<div class="nextxx" id="nextxx">
这里大家一定要记住，不能写成
<div class="nextxx"
不然抓取文件时会使DedeCMS死掉，我试过了。
这样我们得到的结果如下图：
