采集文章流程：列表页 → 获取内容页网址 → 内容页字段分析

起始页网址

以http://shili.skycaiji.com/article.html为例，所有文章都在该列表中，即起始页为该网址

可添加多个起始页（例如列表分页）

内容页网址

点击“保存”后我们在“内容页网址”的底部点击“测试按钮»测试抓取内容页网址”

默认会抓取所有网址（包括样式和js文件）

有些网址不包含域名（因为程序是直接抓取html源码的），可以在“采集器设置”里选中“自动补全网址”

我们只需要采集文章页面，通过分析文章网址的格式大致为“article/news/show/id/数字.html”

直接在“结果网址过滤»必须包含”中输入：article/news/show/id/ 保存后测试看看

如需精准还可以输入正则：article/news/show/id/\d+\.html（\d+是匹配数字）

想过滤某些网址可以在“不能包含”中输入，例如过滤掉25、27、29的文章，输入：25|27|29 即可

如果列表页布局比较复杂有很多个文章列表区域，而我们仅需要获取某个区域的文章，可以使用“从选定区域中提取网址”，新手推荐“xpath”获取形式，可在“底部测试按钮»测试分析网页”中输入列表页网址，点击页面元素即可获取相应的xpath值

如果内容页链接不能直接获取（通过js生成）或者需要拼接成新网址，可以在“匹配内容网址”中设置

获取内容

分析出内容页网址后，我们需要抓取文章的标题、正文等信息则要添加字段来匹配出数据

新手推荐使用“xpath”匹配，在“底部测试按钮»测试分析网页”中输入一个文章链接

分析页面中点击获取到标题xpath：//*[@id="title"]/h1[1]，正文xpath：//*[@id="content"]

分别添加字段：标题、正文，获取方式选择“xpath匹配”，将获取到的xpath值填入即可

保存后点击测试抓取数据，效果：

正文中包含很多html标签，如需过滤可使用“数据处理»html标签过滤”功能

如需采集分页内容，请参考文章分页教程

本示例已上传至云平台http://www.skycaiji.com/rule/100114