注意：如果采集内容涉及到版权问题一切责任由系统使用者承担，与数字信息港系统无关！

采集演示操作录像下载： >>点击这里下载 

一、使用指南-----项目管理 
1、添加项目： 

（1）基本设置

采集项目名称  如：胶南信息港信息咨讯频道采集 
采集网站地址  前加http:// 如： 
采集网站名称  采集时会以此为文章来源 
目标节点栏目  要入库的自己网站的节点
采集对象页   从一个网页  指定范围内 

从一个网页  

如：http://www.xxx.com.cn/news/index.htm

指定范围内

如：http://www.xxx.com.cn/news/index_1.htm
    http://www.xxx.com.cn/news/index_2.htm
    http://www.xxx.com.cn/news/index_3.htm
    http://www.xxx.com.cn/news/index_4.htm
  
上面的列表可以这样填写：

指定范围内:http://www.xxx.com.cn/news/index_{分页}.htm

从 1到 4的页面范围 可用数值标签“{分页}” 
    


（2）列表设置 


        列表： 


       书一般都有目录吧？列表就像一本书的目录，目录可以有一页，也可以有很多页，列表也一样。 


        列表索引页面：你要开始采集的列表页。 


        列表开始/结束标记： 


               平面上的两点确定一条直线，学过几何吧？用在这里是一样的道理，开始/结束标记可以确定你要采集的新闻，有的这里没有设置好结果采集到其它新闻去了。
               比如这是某一列表页面的主要部分代码：

                <table width="98%" border="0" cellspacing="0" cellpadding="3">
                  <tr> 
                       <td align="left" valign="top"><br>
                           <a href="News.asp?id=1" target=_blank>新闻标题</a><br> 
                           <a href="News.asp?id=2" target=_blank>新闻标题</a><br>
                           ....省略
                           <a href="News.asp?id=50" target=_blank>新闻标题</a>
                       </td>
                 </tr>
              </table>　　　 
          
          上面部分就是我们要的列表，是不是把你想要的新闻夹在中间了？按照这样的取法可以选择好多对开始标记和结束标记，也就是说它们并不是唯一的。但是它们又是相对唯一的，这里的唯一是指，开始标记在第一条新闻以上的代码中唯一，结束标记在开始标记到结束标记之间的是唯一的。 




（3）链接设置 


　　　链接开始/结束标记： 


　　　这里没设置好采集过程中可能会路途停止 


　　　部分代码 


                <table width="98%" border="0" cellspacing="0" cellpadding="3">
                  <tr> 
                       <td align="left" valign="top"><br>
                           <a href="List.asp?type=IT新闻">[IT新闻]</a><a href="New.asp?id=1" target=_blank>新闻标题</a> 
                           <a href="List.asp?type=Pc新闻">[Pc新闻]</a><a href="New.asp?id=2" target=_blank>新闻标题</a>
                           ....省略
                           <a href="List.asp?type=IT新闻">[IT新闻]</a><a href="New.asp?id=50" target=_blank>新闻标题</a>
                       </td>
                 </tr>
              </table>

　　　红色部分为链接开始/结束标记，注意：如果新闻标题的前面有栏目链接（包括其它的链接，就像上面这个有IT新闻、Pc新闻一样）的，开始标记必须往前延伸，我以前做的3.62版的录像中开始标记是href=，这个只能用于新闻标题前面没有栏目链接的情况。 


　　　链接的重新定位： 


　　　如果新闻的链接特殊，可使用本功能对新闻网址重新定位，比如有些代码可能是这样： 


          <a href="javascript:window.open(’1’)" target=_blank>新闻标题</a><br> 
          <a href="javascript:window.open(’5’)" target=_blank>新闻标题</a><br>
          ....省略
          <a href="javascript:window.open(’50’)" target=_blank>新闻标题</a> 


　　　把开始/结束标记设置为红色部分，点击一条新闻看它的真实网页地址，比如第一条新闻的地址是这样，http://www.xx.net/news.asp?id=1，那么绝对链接就设置为http://www.xx.net/news.asp?id={分页}就成了。 


（4）正文设置 


　　　标题、正文、作者、来源、关键字及正文分页设置同上，不想重复，这里就不说了。 


（5）采样测试 


　　　正确采样后完成添加操作。　　　 


　　　
 
二、使用指南-----过滤设置 
　　　过滤有简单替换和高级过滤（相对简单替换） 

（1）简单替换

　　　把一段字符替换为另一段字符，比如

　　　想把所有的 (图) 字符替换为 空

　　　内容：(图)

　　　替换：留空

（2）高级过滤

      比如正文中有这样的代码：

　　　<iframe src="http://www.xx.com/if/top-new1.html" name="contentFRM" id="contentFRM" scrolling="no" width="326" height="350" marginwidth="0" marginheight="0" frameborder="0" align="left"></iframe>

　　　大家都知道这应该是广告代码吧，想把它过滤掉不要它了，可以这样：

　　　开始标记：<iframe

　　　结束标记：</iframe>　　　

　　　注：像这种代码也可以使用　过滤选项　中的　IFRAME选项 ，如果代码复杂还是推荐使用上面的这各方法。

 
三、使用指南-----历史记录 
      历史记录，记录的是所采集过的新闻网址，保留着该新闻的采集状态，也是判断一条新闻是否重复采集的重要依据。 


四、采集属性： 


保存远程图片：选中的话，如果采集的新闻正文中有图片，将会自动下载到本地。


标签过滤选项：

这里是常见的要过滤的html标签。


IFRAME：如--<IFRAME SRC="广告地址">，比较常见的广告代码。 

OBJECT：如--<Object 代码>代码</Object>，注意--有些正文中有Flash动画、又有这个广告代码，此时推荐使用过滤功能。

SCRIPT ：如--<SCRIPT LANGUAGE="javascript1.1" SRC="广告地址"></SCRIPT>，常见的广告代码。

FONT    ：如--<font style="font-size:12px;line-height:150%;">，常用于去掉文字的大小、颜色等属性。

A          ：如--<a href="http://pic.xx.net">查看更多图片</a>，常用于去掉文字、图片上的链接，但不会去掉“查看更多图片”。