GooSeeker

网页数据提取规则定义是在MetaStudio的Bucket Editor工作台上进行的，下图是界面布局图，显然，V4.x版本的Bucket Editor工作台与V3.x版本的并无二致，但是，V4.x版本与V3.x版本的区别正是在该工作台上，区别在于在信息属性的特性编辑弹出窗口中编辑自定义的网页数据提取规则。本节展示的界面控制元素的使用方法在后续章节中详细讲解。

放大

上图是为威客任务和外包项目搜索网站定义的信息结构，如果是一个空白的工作台，工作台上只有newBckt按钮，按该按钮，将弹出一个对话框，选择欲创建的整理箱的类型（在线版只有FreeFormat类型），并且给整理箱起一个名字。如果在工作台上创建多个整理箱，则系统会自动判断整理箱名字是否重复，重名是不允许的。

说明：整理箱名字中可使用的字符包括所有符合XML标签命名规范的字符，例如，英文字母和汉字等

创建整理箱后，工作台左栏将显示一个标签窗口，标签值就是本整理箱的类型值（FreeFormat或者ListBucket（仅限企业版）），该窗口称作信息属性映射表窗口。该窗口由多个部分组成的，从上到下分别是：

• 窗口标签，显示当前整理箱的类型（在线版只有FreeFormat），本图为目标网站创建了三个整理箱，分别用三个标签标识。在本标签上有一个右键弹出菜单，有下面的菜单项：

  • 重建：能够清空当前的整理箱（而不是整个Bucket Editor工作台），以便重新定义其信息结构

    注意：重建整理箱将清空已经建立的网页数据提取规则。

  • 删除：本版本不提供删除功能
  • 首选项：可以设定一些与本整理箱有关的参数，当前版本可设定的参数只有计算网页数据提取规则的定位原则参数，在下面的章节中详述。
• 信息属性编辑区：提供一种快捷手段，用于编辑信息属性的特性，从左到右分别是：
  • 节点：显示是否已经为该信息属性进行了数据映射，如果没有映射则显示-1，如果进行了映射显示映射的DOM节点序号，详细操作过程参见建立数据映射关系
  • 信息属性：信息属性的名字，在编辑框中输入以后，只要GUI焦点转移到别处，输入值即被采纳。
  • 信息属性的特性：多个特性用于微调网页数据提取规则，详细解释参见添加和删除属性
• 整理箱结构树：是一个树状结构，每个信息属性占一行，具有以下列
  • 信息属性：信息属性名字
  • FreeFormat：FreeFormat标志
  • 类型：FreeFormat类型，详细解释参见选择FreeFormat标志
  • 序号：信息属性的序号，从0开始顺序编号
  选中某个信息属性后，能够进行两类操作：
  • 编辑整理箱的结构：通过右键菜单激发，修改整理箱树结构
  • 编辑信息属性的特性：双击鼠标左键，弹出信息属性编辑窗口，跟顶部的信息属性编辑区的作用一样，但是，拥有更丰富的编辑功能。MetaStudio V4.x版本同以前版本相比进行了增强。

工作台右栏将显示各种操作控制元素，分别是：

• 整理箱操作区，从上到下分别是：创建整理箱按钮（newBckt）、预览数据提取指令文件按钮（MAP）和预览数据结构指令文件按钮（GEM）。
• 样例复制品管理区，可以激活或去激活第二个样例复制品。
• 整理箱标签，可以用多个词汇或短语为整理箱的语义打标签和分类，便于在信息结构门户（建设中，内容可能会有很大改变）上查询和浏览整理箱。多个词汇间使用逗号分隔