同样的方法，找到结尾词旁边的标签为：
这就确定了标题、作者、时间、内容了，接下来需要去软件内写清楚规则。
①标题
我们提取标题优先选择正则提取，并将复制的所有变量在匹配内容中用[参数]代替，在组合结果中直接点击[参数1]。
②作者
同样我也选择用正则提取，由于某些数据是变量且不需要，我们直接用(*)代替即可，需要的内容用[参数]替代，并在组合结果中选择[参数1]。
③日期
因为我想给大家讲一下为什么有[参数1]、[参数2]、[参数N]，所以我使用多个参数进行举例。
在这里，我把标签中的参数作为我的结果，将标签中的内容直接丢掉了，但是获取的结果是一样的。
所以在写规则的时候也不一定要中规中矩按别人教你的来，只要保证数据准确就行。
④内容 这里不需要多说，因为前面我们分析过，前后截取的代码已经知道，直接填进去。
但是要考虑到不同页面中的开头和结尾可能是变量，所以我们要多打开一些文章去查看网页代码，毕竟某些页面开头有引言，有的结尾有版权声明。
三、测试
现在规则写好了，我们需要找个页面测试下，我们发现数据采集是正确的，现在基本的采集就完成了。
对于我来说，AI写作训练不需要标签，所以我需要在采集的时候直接过滤掉，所以我在内容标签下的数据处理中，选择html标签过滤，直接全选了所有标签。为了阅读方便，我取消了换行和所有标签，当然我们也可以通过对数据的处理输出我们需要的内容。
四、输出
我们不设置内容发布规则的话，会导致文章采集了无法输出。
由于我只需要将数据输出为文档供AI学习，包括web在线发布和导入数据库都包含比较复杂的对应关系，所以输出这里我只讲保存本地文件这一项。
我们将本地文件保存打开，以txt文件格式输出为例，我们选择txt，并设置保存位置为自定义位置，文件模板我使用的是：
把它保存为txt文件，并将文件模板选择为这个文件，软件就会按照这个格式去输出文章了。
所有设置都配置好了之后就直接保存并退出，然后进入主页面，勾选任务右边的“采网址”、“采内容”、“发布”复选框，右击任务并选择开始即可，如果看到运行日志中运行正常就可以让它静默采集了，如果有提示错误，分析错误产生原因，然后对症下药就行了。
以下是输出的案例：
五、注意事项
我们在采集中一定不会像我说得这么简单，所以我把我遇到的坑提前告知大家，以免大家走弯路。
1.数据为空
采集的数据为空白有一部分原因是原文就是空白的，比如网页上面的问答，如果没有回答，他的内容就是空的。还有就是采集规则不适用于所有页面，重新制定新的规则，保证所有数据能够输出为止。
有时候我们采集的数据是全空，这大概率是因为网速问题或者是网站问题，重新采集即可，因为没有采集到的数据会标注未采和未发。
2.输出数据相同
由于某篇文章在不同的标签或者板块下，软件不会直接帮你过滤，但是我们可以通过设置标签下的内容过滤，勾选“采集内容不得为空重复”的按钮。（勾选“采集内容不得为空”也可以解决问题1）
3.替换部分数据
这里我们在采集后会发现有很多版权词或者一些需要过滤的词，不必重新设置采集规则，而是在本地数据中，选择所有数据，并对特定标签中的特定内容直接进行替换或者过滤即可。
以上原创教程仅用于学术交流，请勿搬运或用于不法用途，大佬请直接关闭本文。