|
使用实例分析1--新浪财经新闻
以下通过一个实例来说明软件的使用方法 ，这个实例的功能是采集新浪财经新闻。
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：随便起个名字,就叫新浪财经新闻吧
任务起始地址：就是新闻列表的那个网址，http://finance.sina.com.cn/guonei/index.shtml
2.切换到“采集对象网址标识”选项卡，设置标识
采集对象所在网页网址标识：就是新闻内容的链接与该网页上其它链接的区别，我们可以看到新闻链接的网址里都有/200这个字符串，其它网址里没有，因此此项就填写/200。别忘了要点击“添加标识”按钮添加进去哦。
3.切换到“采集对象前后标识”选项卡
信息名称：设置一个有意义的可以区分其它信息的名字,我们第一个要抓的是新闻标题，因此就叫“标题”，此处可以随便填写。
然后把任何一条新闻的网页代码粘贴到Dreamweaver里，开始找信息前标识、后标识
信息前标识、后标识：这个就不难理解了。比如标题，在新闻详细内容的页面的源文件中找出信息标题的前后标识。比如如下代码：<font
color=#05006C><h1>人民币周四再度走强
收盘价创汇改以来新高</h1></font>，那么信息前标识就是<h1>，信息后标识就是</h1>。因为查找字符串是先查找前标识，然后从前标识的位置开始查找后标识第一次出现的位置，这中间的信息会被采集到。
一定要注意，信息前标识在网页代码中只能出现一次，在Dreamweaver里按Ctrl+F查找<h1>，可以发现只能查找到一次，因此可以作为前标识。
后标识就不是严格要求只能出现一次，只要保证从前表识的那个位置开始查找后标识，是第一次出现的就行了。比如如下代码：<TD
width=20>电话</TD><TD
width=30>89291074</TD>，用<TD
width=20>电话</TD>作为前标识，那么可以用</TD>作为后表识，就可以抓到<TD
width=30>89291074这部分代码，虽然</TD>出现了两次，但是从前标识那个位置开始，</TD>是第一次出现的，所以就用</TD>作为后标识。
设置好后点“添加”，然后以同样的方法把内容也设置好添加进去。
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“新浪财经新闻”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新闻了，简单吧。
| 