編輯“ECMS:高手提供的教程”

<span style="border:1px solid #000; float:right; padding:6px; margin-bottom:15px; text-align:center;"><strong>導(dǎo)航:</strong> [[ECMS:采集使用篇|上一級(jí)]] | [[帝國(guó)CMS]] | {{Template:帝國(guó)導(dǎo)航}}</span>

<div style="clear:both; border:1px solid #999; background:#f0f0f0; font-size:14px; font-weight:bold; margin:20px 0 20px; padding:0 5px;">
采集技巧(作者:藥蓮)
</div>
<p style="padding-left:15px;">
發(fā)現(xiàn)不少人在[[采集]]方面有些或多或少的問(wèn)題。今天來(lái)說(shuō)一下采集技巧。</p>
<p style="padding-left:15px;">說(shuō)之前先提一下：如果想要取得他人的幫助，光說(shuō)一下“XX網(wǎng)頁(yè)我采不到”，或是“XX網(wǎng)頁(yè)的XX正則我怎么設(shè)不對(duì)呀”，一般比較少會(huì)有人來(lái)幫你。因?yàn)橄胍獛湍?，幫你者就必須自己先?xiě)一個(gè)完整的那個(gè)網(wǎng)站，或是至少那個(gè)列表頁(yè)的采集正則。在你是問(wèn)某一個(gè)小問(wèn)題，在別人就是大動(dòng)工的寫(xiě)一整套正則了——最差最差，也是要打開(kāi)那個(gè)網(wǎng)頁(yè)，一點(diǎn)點(diǎn)地找正則所在……別人不是該你的，有沒(méi)有義務(wù)是一回事，有沒(méi)有精力又是另一回事。就算勤勞如蓮，大多數(shù)時(shí)間也是懶得理會(huì)，爬爬走過(guò)的</p>
<p style="padding-left:15px;">所以，如果想取得他人的幫助，最好是哪個(gè)正則有問(wèn)題，就把自己寫(xiě)的那個(gè)部分正則也貼出來(lái)（如果能貼全套的則更好，別人可以整套地幫你測(cè)試），無(wú)論是尋找癥結(jié)所在，還是節(jié)省他人時(shí)間上，都是很有幫助的。</p>
<p style="padding-left:15px;">另外，也不要把想取得幫助的網(wǎng)頁(yè)的代碼整個(gè)的復(fù)制粘貼上來(lái)，貼個(gè)網(wǎng)頁(yè)地址就可以了，你貼一大片代碼，進(jìn)來(lái)看的人一下就被嚇出去了……</p>
<p style="padding-left:15px;">下面來(lái)說(shuō)一下采集技巧：(個(gè)人經(jīng)驗(yàn))</p>
<ol>
<li>采集的正則能寫(xiě)得越簡(jiǎn)單越好。<br>
當(dāng)然，復(fù)雜的話針對(duì)性強(qiáng)，比較不容易采到不要的內(nèi)容，但能在保證不采到不要的內(nèi)容的前提下，越簡(jiǎn)單，一個(gè)正則對(duì)該網(wǎng)頁(yè)的通用性就越強(qiáng)。比如說(shuō)一樣是采<a href="鏈接">這個(gè)鏈接，個(gè)人覺(jué)得，如果你已經(jīng)設(shè)定了鏈接區(qū)域，區(qū)域內(nèi)不會(huì)有別的鏈接的話，與其把鏈接正則寫(xiě)成<a href="[!--newsurl--]">，還不如寫(xiě)成href="[!--newsurl--]"。這樣，萬(wàn)一有幾頁(yè)的[[鏈接]]對(duì)方寫(xiě)成了<A href="鏈接">，也不會(huì)影響你的采集效果。<br>
當(dāng)然，對(duì)方不會(huì)莫名其妙地改變自己的模板，上面只是舉個(gè)例子。而我是懶人，懶人的目標(biāo)就是用最少的正則采到最多的新聞。<br>
正則寫(xiě)得簡(jiǎn)單，還是對(duì)自己采集水平的一個(gè)鍛煉。越簡(jiǎn)單，找正則規(guī)律的要求就越高，多鍛煉自己，采集時(shí)才比較容易一次就采到自己想要的東西。
<li>在正則內(nèi)盡管減少空格和回車的使用。<br>
這樣說(shuō)可能不是很明白?？崭裾l(shuí)不用？注意：這里說(shuō)的不是一個(gè)或兩個(gè)空格，而是大片相連的空格。<br>
空格的存在當(dāng)然是必要的，但寫(xiě)采集正則時(shí)出現(xiàn)大片相連的空格甚至包含大量回車時(shí)只能說(shuō)明兩個(gè)問(wèn)題：一，要么是對(duì)方的網(wǎng)頁(yè)太難采集，讓你不得不使用大片相連空格及回車來(lái)區(qū)分采集區(qū)域，否則找不到別的辦法了；二，要么是你太懶，懶得仔細(xì)地找正則，看到什么就是什么，大片的復(fù)制下來(lái)再說(shuō)，反正復(fù)制得越多越不容易和別的重復(fù)。<br>
相信大多數(shù)人都是第二種。<br>
但要注意，當(dāng)你大量復(fù)制對(duì)方網(wǎng)頁(yè)代碼當(dāng)成正則時(shí)，你也把自己推入了一種很可能采集失敗，或是某幾頁(yè)能成功，某幾頁(yè)以失敗告終的險(xiǎn)境。某幾頁(yè)成功、某幾頁(yè)失敗的原因，同第1條所述，對(duì)方有可能偶爾在頁(yè)面內(nèi)改變正則。這種情況雖然不大遇到，但要充分考慮到。<br>
大多數(shù)復(fù)制大量代碼當(dāng)正則的同志，是處于一種不成功便成仁的境地的。因?yàn)榭崭襁€算好，不會(huì)出太多問(wèn)題；但回車的問(wèn)題很嚴(yán)重。我采集時(shí)，發(fā)現(xiàn)，往往有些網(wǎng)頁(yè)在正則內(nèi)使用了回車，就會(huì)采集失敗——完全不認(rèn)采集區(qū)域?；剀囀莻€(gè)很好的辨識(shí)標(biāo)志，但——具體原因還不明了——有時(shí)它會(huì)導(dǎo)致整個(gè)采集過(guò)程的失敗。
<li>分頁(yè)區(qū)域正則。<br>
很多人能很好地設(shè)定整個(gè)頁(yè)面的正則，但往往失敗在分頁(yè)正則上（我到現(xiàn)在都不是每個(gè)分頁(yè)都能采得到）。這里提幾個(gè)技巧。<br>
第一，盡量不要把分頁(yè)區(qū)域包含在新聞?wù)恼齽t內(nèi)。這一點(diǎn)……如果有人看菜鳥(niǎo)手冊(cè)的話……嚴(yán)正聲明，那里面是寫(xiě)錯(cuò)的，當(dāng)時(shí)對(duì)采集不是很了解，所以寫(xiě)錯(cuò)了。如果把分頁(yè)區(qū)域包含在新聞?wù)恼齽t內(nèi)，會(huì)導(dǎo)致采到的新聞?dòng)袃尚械?頁(yè)、第2頁(yè)等的顯示——因?yàn)榘褜?duì)方的分頁(yè)也當(dāng)正文采來(lái)了。<br>
第二，要注意“上下頁(yè)導(dǎo)航”和“全部列出式”?，F(xiàn)在大多數(shù)網(wǎng)頁(yè)是兩種模式同時(shí)存在的。所以在寫(xiě)正則時(shí)，如果你是使用某一種模式，要注意過(guò)濾掉另一種模式的鏈接，不然會(huì)導(dǎo)致采到過(guò)多的分頁(yè)，一般是會(huì)出現(xiàn)兩個(gè)第2頁(yè)。<br>
第三，當(dāng)分頁(yè)采集屢屢失敗，又實(shí)在查不出錯(cuò)在哪里時(shí)，請(qǐng)看一下第2、3、4……頁(yè)的新聞?wù)牡恼齽t，是否與你寫(xiě)的新聞?wù)齽t一致。有的網(wǎng)頁(yè)，后面幾頁(yè)用到的代碼和第一頁(yè)會(huì)不一樣，往往會(huì)比第一頁(yè)少掉一些，這時(shí)，如果你用的新聞?wù)恼齽t正好用到了后面幾頁(yè)沒(méi)有的代碼，那你分頁(yè)正則即使寫(xiě)得完全沒(méi)有問(wèn)題，由于后幾頁(yè)的正文它采集不到，顯示出來(lái)的就是沒(méi)有采到分頁(yè)（T_T 某蓮曾在這個(gè)問(wèn)題上給它耗掉整整一個(gè)晚上，血淚史啊……）
<li>采集中盡量減少用*，或者，至少有選擇性地用*。<br>
比如<a href="鏈接">OOXXOOXX</a>這個(gè)，不少人喜歡用<a href="[!--newsurl--]">*</a>來(lái)采集。但是試問(wèn)，這個(gè)*有什么意義嗎？列位哪位有見(jiàn)過(guò)，有哪個(gè)<a>.....</a>之間是沒(méi)有東西的嗎？所以這個(gè)*放在這里，有放沒(méi)放是一個(gè)樣的。除非是這個(gè)鏈接正則太復(fù)雜了，一定要靠*之后的代碼繼續(xù)區(qū)分判斷，以過(guò)濾掉不要的，這時(shí)才需要用*。<br>
用*有一個(gè)弊端——在你對(duì)正則看得不是很清楚，不太負(fù)責(zé)任地加*的時(shí)候，很可能不能完全采集到你想采集的內(nèi)容，或是一不小心把要采集的內(nèi)容去掉了。所以能不用*盡量不要用*。
</ol>

*'''小林教你如何采集(作者:小林)'''

感謝小林提供的教程． 

以采集新浪體育的冠軍聯(lián)賽為例，如下圖： 
<div style="border:1px solid #999; width:917px;">
[[{{ns:image}}:xlcj1.gif]]</div>
<div style="border:1px solid #999; background:#f0f0f0; font-size:14px; font-weight:bold; margin:20px 0 20px; padding:0 5px;">
藥蓮教你如何采集[小林教程解析版]
</div>
感謝藥蓮(phamlily)提供的教程． 

是在小林教程基礎(chǔ)上進(jìn)行解析，更加詳細(xì)： 

'''第一部分'''
<div style="border:1px solid #999; width:913px;">
[[{{ns:image}}:ylcj1.gif]]</div><br>
<div style="border:1px solid #999; width:814px;">
[[{{ns:image}}:ylcj2.gif]]</div>
'''第二部分'''
<div style="border:1px solid #999; width:908px;">
[[{{ns:image}}:ylcj3.gif]]</div><br>
<div style="border:1px solid #999; width:638px;">
[[{{ns:image}}:ylcj4.gif]]</div><br>
<div style="border:1px solid #999; width:763px;">
[[{{ns:image}}:ylcj5.gif]]</div>
'''第三部分'''
<div style="border:1px solid #999; width:913px;">
[[{{ns:image}}:ylcj6.gif]]</div><br>
<div style="border:1px solid #999; width:730px;">
[[{{ns:image}}:ylcj7.gif]]</div><br>
<div style="border:1px solid #999; width:761px;">
[[{{ns:image}}:ylcj8.gif]]</div>
'''第四部分'''
<div style="border:1px solid #999; width:914px;">
[[{{ns:image}}:ylcj9.gif]]</div><br>
<div style="border:1px solid #999; width:605px;">
[[{{ns:image}}:ylcj10.gif]]</div><br>
<div style="border:1px solid #999; width:753px;">
[[{{ns:image}}:ylcj11.gif]]</div>
'''第五部分'''
<div style="border:1px solid #999; width:914px;">
[[{{ns:image}}:ylcj12.gif]]</div><br>
<div style="border:1px solid #999; width:763px;">
[[{{ns:image}}:ylcj13.gif]]</div>
<div style="border:1px solid #999; background:#f0f0f0; font-size:14px; font-weight:bold; margin:20px 0 20px; padding:0 5px;">
相關(guān)視頻下載
</div>

帝國(guó)采集演示視頻:[http://down.zzbaike.com/download/ecmscjsp-1537.html 點(diǎn)擊下載]

[[Category:帝國(guó)管理系統(tǒng)|D]]
[[Category:CMS采集]]