第1部分文章列表页面地址的填写
这个比较简单一些，用[page]变量代表页码即可，可以设置起始页码编号，中间递增梯度。
这里的网址可以是多个，多个频道的，可以放到一起。没有页码的直接网址，也是可以的。不一定要求[page]编号。
第2部分，文章列表网址的提取
这里也是比较容易配置的。一般就是一行链接代码，把其中的href链接网址部分，用(.*?)代替即可，超链接标签<a></a>之间有文本标题的用.*?代替即可。本软件采集规则适用的都是标准的正则表达式写法，前后的括弧表示这是提取出来的一个参数。其实不一定是(.*?)，其它的写法例如([^"]*)也是可以的。
注意正则表达式是严格匹配的，不要带多余的字符，空格。特别注意前后的空格和换行，如果源代码里面没有，这里就不能有。是什么就是什么，不要带了多的符号,多一个空格或者换行都可能导致匹配不上。
第3部分，文章标题和正文的提取
这部分是最难的。其实也不难，就是找出标题前后的特征，正文前后的特征。然后组合起来就是了。
标题一般情况下都是可以用(.*?)代替，这个正则表达式的意思是在同一行上，匹配所有字符（不包括换行符），除了碰到他后面的字符串了。
正文一般情况下都可以用([\s\S]*?)来代替，这个表达式的意思是匹配所有字符（包括换行的，因为正文里面有可能包括换行符号），除了碰到他后面的字符串了。加了括弧的正则表达式，代表作为参数要提取出来使用，如果源代码里面标题在前面，就选“标题在前”，否则就选“标题在后”。这里只允许2个加括弧的正则表达式，其它部分也可以存在正则表达式，但是不需要提取出来使用，也就不能加括弧了。
加至于正文和标题中间，一般都可能有很多无关代码内容，统一可以用[\s\S]*?代替，这个是不加括弧的。
下图截取的是新浪社会新闻的提取规则：
<h1 id="artibodyTitle".*?>(.*?)</h1> [\s\S]*? <!-- 正文内容 begin -->([\s\S]*?) <!-- 正文内容 end -->
其中红色的带括弧的就是标题和正文，前后都是特征，中间有个蓝色的
[\s\S]*? 这个代表了任意字符串，也就是代表标题和正文中间间隔的所有其它字符串。 因为这些中间的内容我们是不想要的，不需要提取，自然就不能加括弧了。
附：
在第三部份栏目中，有些采集规则可能涉及到通配符\s+的，在这里我简单说说它的用法:
当我们在采集某个标签时，可能会因为需要而连带着采集到在它的上或下行某个标签，如：
<p>正文标题</p>
<span>
那么在匹配此采集规则时，则应该在</p>后面加上通配符\s+，如：<p>(.*?)</p>\s+<span>
另外，考虑到本采集规则比较严格，在第三栏这匹配采集规则时，各个标签和通配符之间最好不要留有空格或者换行，如：
<p>(.*?)</p>\s+<span>[\s\S]*?<div class=“view”>([\s\S]*?)<div class=“infopagebox”>
在软件自带的discuz官方论坛的采集规则里面，出现过
<td class=”t_msgfont” id="postmessage_\d+">这样的表达式，这里蓝色的\d+也是代表数字，因为源代码里面他是变动的不是固定的。这种情况如果使用固定前后标识是无法采集的，只能使用正则表达式。
接下来以采集电子商务理论知识网站http://www.lusin.cn的内容为例，讲解完整的步骤：
第一部分，采集的网址是http://www.lusin.cn/ebjichu/lilun/，由上面的翻页页面可以看出，第二页到第十二页的网址是http://www.lusin.cn/ebjichu/lilun/index[page].htm, [page]从2到12。
那就填写http://www.lusin.cn/ebjichu/lilun/和
http://www.lusin.cn/ebjichu/lilun/index[page].htm这两个网址即可！
第二部分，查看一下列表页面的源码，很容易看到文章也网址列表的规则，表达式没什么难度，就是:
<dt><a href="(.*?)">.*?</a></dt>
第三部分，随便打开一个内容页面，例如http://www.lusin.cn/ebjichu/lilun/2006-6-27/11118.htm，查看源代码，寻找标题和正文内容的前后特征是什么。先看紧靠正文前面标题，就是：
<div id="main">
<div id="title">长尾理论(The Long Tail)</div>
<div id="tart">
那么对应的表达式就是
<div id="title">(.*?)</div>
继续看正文部分前后的特征是什么，前后分别是：
<div id="content">
</div>
好了，我们现在把整个表达式组合起来，标题和正文中间的，还是用
[\s\S]*? 来代替。整个的正则表达式就是：
<div id="title">(.*?)</div>[\s\S]*?<div id="content">([\s\S]*?)</div>
第4部分，文章采集过程
采集过程中，红色表示正在采集，后面的是采集结果篇数。
采集任务完成或者停止之后，采集的文章会直接显示在文章列表树形上面并保存在对应文件夹。
注意如果采集数量太多，超过几万篇，启动软件的时候可能比较慢，树形节点的操作也可能卡。出现这种情况的时候，可以手工把安装目录下面的articles目录里面的采集文章结果移走一些，放到别的地方。