文章来源设置

文章来源设置

在该选项卡下我们需要设置文章来源的 文章列表网址 及 具体文章的匹配规则

我们以采集”新浪互联网新闻“为例，文章列表网址为 http://roll.tech.sina.com.cn/internet_worldlist/index.shtml

因此在 手工指定文章列表网址 中输入该网址即可，如下所示：

之后需要设置该文章列表网址下具体文章网址的匹配规则

文章网址匹配规则

文章网址匹配规则的设置非常简单，无需复杂设置，提供两种匹配模式，可以使用URL通配符匹配，也可以使用CSS选择器进行匹配，通常使用URL通配符匹配较为简单，但有时使用CSS选择器更为精确。

1.使用URL通配符匹配

通过点击列表网址 http://roll.tech.sina.com.cn/internet_worldlist/index.shtml 上的文章，我们可以发现每篇文章的URL都为如下结构

http://tech.sina.com.cn/i/2013-06-27/16328485884.shtml

因此将URL中变化的数字或字母替换为通配符  (*)  即可，如：

http://tech.sina.com.cn/i/(*)/(*).shtml

2.使用CSS选择器进行匹配

使用CSS选择器进行匹配，我们只需要设置文章网址的CSS选择器即可，通过查看列表网址http://roll.tech.sina.com.cn/internet_worldlist/index.shtml的源代码即可轻松设置，找到列表网址下文章超链接的代码，如下所示：

可以看到，文章的超链接A标签在class为“contList”的标签内部，因此文章网址的CSS选择器只需要设置为  .contList a  即可，如下所示：

不知道CSS选择器为何物，一分钟学会如何设置CSS选择器

设置完成之后，不知道设置是否正确，可以点击上图中的测试按钮，如果设置正确，将列出该列表网址下所有文章名称和对应的网页地址，如下所示：