采集提取时间-来源-作者及入库的方法

以http://www.scbz.hrss.gov.cn:81/disp.asp?ID=3187这个页面为例进行说明，目标将时间信息转化为国微的时间格式   2015-03-09 17:55:26

一、采集时间方法

1、打开http://www.scbz.hrss.gov.cn:81/disp.asp?ID=3187这个页面，点击右键查看代码，在页面中，时间的特征代码如下：

2、在火车头采集器中，使用“正则提取”的方式来编辑标签，如下所示：

图1

在“发布日期：”后面，将原来的时间信息2015/3/9 17:55:26分成四段来进行提取，将年、月、日和后面的小时分钟秒数分开提取，由于每个页面中来源也是变化的，所以来源后面也需要用一个参数，具体的设置如下所示：

<td height="28" align="center" valign="middle" bgcolor="#E6EEF9" class="font32">　　　　　来源：[参数]　　　　发布日期：[参数]/[参数]/[参数]  [参数]　　　点击数：[参数]　 【字体：(*)

图2

对应地在组合结果当中，我们只需要发布日期信息，所以我们只需要使用上图红色[参数]中的第2、3,4,5几个参数，第一个参数不使用，将参数组合变成国微的时间格式，如下所示：

图3

注意：[参数4]     [参数5]中间有一个空格

3  如果你想要采集来源的方法采集时间一样，只是右边组合结果参数名字不同如下图所示

（采集作者或者其他的方法类似，只要把想要的第几个参数的名字对应的填在右边就行了）

4、最后，测试是否能采集到时间，来源   类似如下：

图4

二、入库发布时间，作者或者其他参数的方法

要使用发布时间能采集后放入数据库中保留原来的发布时间，必须在发布模块中进行配置时间。

1、点击“第三步：发布内容设置“中的”Web发布配置管理“链接，如下图所示：

图5

2、第一步从国微采集压缩包中找到国微php168发布模块导入，第二步选择下图中的红框中的发布模块“国微PHP168“模块，第三步点击“编辑”按钮。

图6

3、点击“编辑”按钮后，弹出的编辑对话框如下图所示，选择“内容发布参数”，双击timestamp，进行编辑。

图7

4、在弹出的框中，表单值中写入[标签:时间]，并保存，list_order也类似，如下图所示。

图8

5   来源跟作者的发布模块配置也是一样（source代表来源，author代表作者），如下图所示

6     最后一步就是保存入库，如下所示

提醒注意：以上图中[标签:时间][标签:来源][标签:作者]并不是随意写的，是与图2中采集内容规则中的标签名“时间，来源，作者”是对应的。如下图所示。

图9