内容采集规则
循环设置
当需要采集同样格式的多条数据时,可以根据其中一条信息格式进行设置,然后使用循环匹配。
我们以网址http://bbs.locoy.com/spider-140339-1-1.html为例,
来获取获取它的主题内容和回复内容。查看源代码,分析得到:
主题内容开始字符串为
id="postmessage_649823">
因为不同的帖子,ID不同,
所以我们把649823这个数字设置为(*)通配符.即开头字符串为
id="postmessage_(*)">
结尾字符串为</td></tr></table>
然后勾选下图中的循环匹配,即可实现主题和回复的内容采集。
循环设置——添加为新记录
此方式采集到的每条记录都为单独的行存储在数据库中
循环设置——用分隔符连接在上条记录后
此方式采集到的多条记录用分隔符(默认###,可自行修改)连接在一起存储在一个字段内,如下图: