使用实例分析6--xici论坛

学会前4个例子已经可以解决绝大多数问题了，这里对于抓论坛回复，还要另外设置，本例就来看看这个例子。

基本操作：

查看网页源代码：点击IE浏览器的查看，再点“源文件”。
网页编辑软件Dreamweaver的使用：下载安装这个软件，打开软件后点击 三个按钮中最中间的这个，软件界面就分成了两大块，上面显示网页代码，下面显示网页的大致样子。我们经常要把网页源代码粘贴到Dreamweaver的代码区域，然后就可以看到网页的样子。学会这个，主要是为了找到信息的标识。

1.点击新建任务这个按钮，点击后会出现如下界面：

任务名称和起始地址之类的，已经很简单了，前面讲了很多了。

2.切换到“采集对象网址标识”选项卡，设置标识



采集对象网址标识：帖子内容网址里都含有/d，非帖子网址不含有/d，因此就是网址标志了
下页网址前标：http://www.xici.net/b643556/board.asp?pn=
下页后标为空

3.切换到“采集对象前后标识”选项卡



这里的设置和前面的例子不一样，因为要抓的页面里有很多个回复，就要分割开来抓才能抓到每个回复的内容。因此就要设置信息循环间隔标识，这个标识把网页分割成多个部分。一般来说，帖子有3个回复，就会有3个信息循环间隔标识，就是说要找到信息循环间隔标识，那网页分割成3部分，每个部分相当于一个单独的网页，分别抓到回复的作者和内容。
本例中每个回复都是放在一个表格里的，因此很容易找到这个信息循环间隔标识<table width=100% border=0 cellpadding=0 cellspacing=0 class="board_padding"><tr><td align="center">

还需要注意，帖子标题和帖子内容、主题作者都是只有一个的，因此不要选中“是否在循环体内”；回复作者和回复内容是有多个的，因此就要选中“是否在循环体内”

其他的也就没什么特殊的了。

好了，全部设置完毕，点击“更新任务设置”返回，然后点击载入任务，把“xici论坛”载入，并且选中。点击“开始”按钮开始采集，就可以看到采集到的结果了。