2019-12-03 18:40:36
帝国CMS的采集正则：
1、帝国CMS的采集正则是什么样的，下面我们用实例讲解：
(1)、假如我们要采集页面的内容页为如下页面：
图1：HTML页面
图2：查看页面源代码为如下：
(2)、由上图的源代码内容我们可以得出帝国CMS的采集正则：
新闻标题正则：<td>标题：<strong>[!–title–]</strong></td>
新闻内容正则：<td>内容：<font color=”#FF0000″>[!–newstext–]</font></td>
“[!–title–]”与“[!–newstext–]”分别为“标题”字段与“内容”字段的正则变量。用于指定我们要采集的内容位置。
(3)、由上面我们得出了，帝国CMS采集正则是把正则变量替换要采集内容后的代码内容。格式：
识别代码头部[!–变量名–]识别代码尾部
注意：上面的“识别代码头部”一定是要唯一的标记。
2、帝国CMS正则还有表示任意内容的字符：“*”
如果“识别代码头部”中有内容是变化的，那么我们可以用*代替它。如页面源代码为如下，我们要采集下面的链接地址：
<a title=”任意可变内容” href=”链接地址”>标题</a>
通过使用“*”任意内容表示字符，我们可以用下面的正则忽略可变内容，获得链接地址：
<a title=”*” href=”[!–newsurl–]”>
附加说明：[!–newsurl–]为页面链接地址的正则变量。
3、其他说明：
(1)、正则要找出唯一性的开头字符。有时候空格都会成为识别的依据。
(2)、对于特殊字符请在前面加上“”，当然直接将特殊字符改为“*”最合适了。特殊字符如下：
“ )”、“(”、“{”、“}”、“[”、“]”、“”、“?”等等。
