求杭州网新闻的采集规则

wartxt

1、有些有分页，有些没分页要采到一个页面。
2、新闻内页要纯文字不要广告和推荐内容等链接！

地狱龙腾

专业采集：314922759

303718

火车头采集规则发布模块定制联系QQ：315103700

029isp

采集规则制作7+5+3+1+6+7+82

南宫韩燕

采集规则，价格公道。Q1650345008.线上交易。

milklluu

网址采集测试结果

内容采集测试结果




求我的第一节火车

采网址
以 城市新闻 版块为例

单条网址 http://hznews.hangzhou.com.cn/chengshi/index.htm
批量多页 http://hznews.hangzhou.com.cn/chengshi/index_(*).htm
首项2 项数9 公差1

多级网址采集
从页面自动分析得到地址链接
从该选定区域提取网址
从
<table width="620" border="0" align="center" cellpadding="0" cellspacing="0">
到
</table>
结果过滤
不得包含 index_(*).htm|index.htm


采集内容规则

标题
前后截取
开始字符串
<td class="hzwRP_lname05" align="center" height="45">
结束字符串
</td>

内容
前后截取
开始字符串
<td class="hzwRP_lname06" align="left">
结束字符串
<!--/enpcontent--></td>
复选框选上
该标签循环匹配
该标签在分页中匹配


内容替换
<table style="BORDER-RIGHT: #adc1f5 1px solid; BORDER-TOP: #adc1f5 1px solid; BORDER-LEFT: #adc1f5 1px solid; WIDTH: 371px; BORDER-BOTTOM: #adc1f5 1px solid; HEIGHT: 190px" cellspacing="0" bordercolordark="#adc1f5" cellpadding="0" align="right" bordercolorlight="#adc1f5" border="1">(*)</table>
替换为
空
html标签排除。<p><img><strong>


采集内容中分页获取规则

分页
全部列出模式
从
<div width="100%" id="displaypagenum" class="black2">
到
</div>