简数导航：简数首页 简数控制台 采集入门教程 数据导出发送 AI智能写作
正文内容采集技巧
配置正文采集时，建议避免点选多个段落区域合并采集（即选择多值），这种方式可能导致排版混乱、内容多余或缺失、采集规则通用性差等问题。
解决这些问题的常用技巧有：
1. 快速选取正文，使用“扩大点选区域”
针对正文内容区域通常较长，整体选取较难的情况，可使用"扩大点选区域"技巧：
1）在详情提取器content字段，点选正文的任意一个段落区域，再点击【扩大点选区域】按钮。
2）选区范围就会从当前段落扩大到全文内容。
若一次未能选中全文，可多次点击渐进式扩展，直至完整选取正文内容。
2. 多余内容删除技巧
当正文内容存在推广信息或无关内容时，可通过以下三个技巧精准删除：
1）末尾内容删除
多余内容在正文末尾，均以相同的某某词开头。
使用正则表达式.*?某某词[\s\S]+替换为空，可删除某某词及其之后的全部内容，示例；
| 常见某某词 | 正则表达式 |
|---|---|
| 推荐文章： | .*?推荐文章：[\s\S]+ |
| 相关推荐: | .*?相关推荐:[\s\S]+ |
| 编辑推荐 | .*?编辑推荐[\s\S]+ |
注意：中文与英文的标点符号及空格在正则表达式中是不同的字符，如中文冒号：和英文冒号:
2）句子或段落删除
多余内容为正文里的句子或段落（无换行符），均以相同的某某词开头。
使用正则表达式某某词.+替换为空，可删除从某某词开始到同一行尾的内容，仅影响单行文本，示例：
| 常见某某词 | 正则表达式 |
|---|---|
| 简数站推荐：“某某句子” | 简数站推荐：.+ |
| 本站为大家提供“某某句子” | 本站为大家提供.+ |
3）固定位置内容删除
正文中的多余内容位于固定位置，可通过删除对应HTML标签及其包裹的内容进行清理，比如删除正文第一段内容，最后两段内容等。
在content字段数据预览，确定多余内容的HTML代码和位置 -》字符数据处理 -》标签内容删除 -》配置删除的位置、数量和HTML标签。
3. 正文无分段排版解决方法
当采集的正文内容没有分段，排版混乱时，可用以下方法解决：
1）保留div标签
在content字段字符数据处理 -》HTML标签过滤 -》勾上"获取html" -》勾上"过滤部分html标签" -》勾上"层<div" -》保存，测试采集。
2）修改多值分隔符
如果正文里新增很多逗号，通常是选择多值采集造成的，将多值分隔符从逗号改为换行标签<br>。
