文章类采集事例
来源网站：http://news.qq.com/ >> 新闻频道 > 新闻语录
目标网站：保存为本地文件 *.HTML
其它备注：下载文章内容图片与Flash到本地
步骤：
站点名称一栏输入：腾讯新闻
站点网址一栏输入：http://news.qq.com/
站点描述一栏输入：腾讯新闻中心
２．整站内容规则：
进入腾讯新闻-新闻频道 > 新闻语录 > 里面的一篇新闻，查看网页源码内容，得出以下源码：
首先我确定一下采集的内容主要包括文章标题和内容两项，从以上源码可以看出，标题的源码段为：
你可以多查看几篇新闻，将源码对比一下，从这里看出从“<div id="ArticleTit">”到“</div>”之间就是文章标是的所有内容，所以我们双击标题标签栏打开编辑窗口，在开始字符串处输入“<div id="ArticleTit">”；在结束字符串处输入“</div>”，然后点击确定完成标题标签设置：
下一步从源码当中查找发贴的内容段代码，需要查找出整个一楼的源码，多查看几篇贴子将源码比较，我们会发现所有的内容开始于：“<div id="ArticleCnt">”这里，结束于下一个：“</div>”。所以我们可以双击内容标签栏，分别输入开始与结束字符串，然后点击确定完成设置，以下可以在页面测试栏输入来源的网址，测试以上设置是否正确，得出以下源码：
因为以上源码里面有些广告内容，我们需要将其删除，建议在做完以下每一步后，点击确定然后测试一次，以便及时发现错误的设置：
开始与结束字符串及内容排除或替换支持变量，只需要使用“(*)”代替变化的内容即可。⑴． 屏蔽左边广告内容 ，分析测试结果里面的源码，得到广告内容，为了防止其它页面的广告有反变化，分析他的规则，使用“(*)”替换中间内容，所以我们修改内容标签，点击内容排除，添加以下内容：
⑵．屏蔽所有链接，直接在HTML标签排除选项里面选择链接：
⑶．完成以上，测试网页规则，见还有其它需要屏蔽的内容或屏蔽内容后产生的无效内容，如：
⑸．设置网页分页内容，些网页分页时已经将所有网页链接在第一页展示，所以我们选择全部列出模式，分页的开始与结束字符串为“<div id="ArticlePage(*)">”到“</div>”，因为是保存为本地文件，所以我们选择使用回车连接上下页，或者使用自定义分页代码，如“<br>”等。标签循环匹配一次。最后测试规则是否正确，然后保存完毕．我刚才所做的规则我已经导出>>点击下载此站点规则
３．新建任务，在任务列表栏选择刚才所见的站点腾讯新闻，然后点击鼠标右键>>选择从该站点新建任务：
在新弹出来的窗口，原来有讲过，有三个页面，在第一个页面设置网址选项，因为我们是先采集网址在从网址列表得到内容，所以我们设置采集深度为1。点击向导添加>>添加单条网址，然后输入网址：
然后设置页面内选定区域采集网址内容，查看网页列表页面源码，贴子页面链接范围从
４．以下设置完成，我们点击内容规则，因为在新建站点时，我们设置了网站的通用采集规则，所以在这里，此部可以跳过，如果有修改的地方请按照相关内容修改，在此处修改内容不影响整站内容规则。
5．数据发布方式，我们选择方式二：保存为本地文件，点击启用，保存文件格式为.html，然后设置HTML文件保存的位置及选择生成HTML文件使用的模版。
HTML模版与同使用火车头程序标签调用，如我们做的默认模版：
6．完成以上设置，会返回到新建任务的窗口，在右上角输入任务名称，然后点击保存按钮完成所有设置，保存后完毕关闭此窗口。
7．任务高级设置，在任务列表栏选择刚才建议的任务“新闻语录”，点击右键选择任务高级设置：
打开设置窗口：
设置文件下载本地文件夹，点击浏览保存的文件夹，然后确定；图片保存相对目录，设置下载的图片相对以上设置的保存本地文件夹的相对位置，我们设置的是“images”，那么我们保存的文件夹就为：“C:/Documents and Settings/Administrator/桌面/html/images”，其它保存文件夹设置与图片设置一样；文件链接地址前辍，一般填写域名或者根目录，同样支持相对路径，如我们设置的就是：“./images/”，注意一定要使用"/"结尾。如果需要自动更新请选择相关设置，在窗口说明有详细讲解其使用方法。完成以上设置点击保存。
8．完成以上设置后，在任务列表窗口选择刚才新建的任务，然后点击开始采集：
文件保存结果：
