來源和目標

大部分的網頁抓取程式應用程式功能 (Robot Application Function, RAF) 需要資訊來源，並會產生移至目標的資料。來源會在網頁抓取程式之中定義，不一定要與網頁抓取程式最終產生的資源描述欄相關。在另一方面，目標通常是資源描述中的欄位名稱 (如資源描述伺服器模式所定義)。

下列章節會說明篩選程序的不同階段，以及這些階段的可用來源。

• 設定階段的可用來源

• 中介資料篩選階段的可用來源

• 資料階段的可用來源

• 可用於列舉、產生與關閉階段的來源

• 啟用特性

設定階段的可用來源

篩選器會在「設定」階段中設定，但不會取得資源 URL 或內容的相關資訊。

中介資料篩選階段的可用來源

在「中介資料」階段，網頁抓取程式會遇到資源的 URL，但還未下載資源的內容。因此可提供關於 URL 以及源自其他來源 (如 filter.conf 檔案) 的資料之相關資訊。然而在此階段中，不提供關於資源內容的資訊。

資料階段的可用來源

在「資料」階段，網頁抓取程式已下載該 URL 處的資源內容，並可存取與該內容相關的資料，例如描述和作者。

若資源是 HTML 檔案，則網頁抓取程式會剖析 HTML 標頭中的 <META> 標記。因此，可以在「資料」階段中取得任何包含於 <META> 標記的資料。

在「資料」階段中，除了那些在「中介資料」階段可使用的來源外，以下來源可用於 RAF。

擷取資源時，會傳回所有源自 HTTP 回應標頭的來源 (<META> 標記中的資料除外)。

可用於列舉、產生與關閉階段的來源

在「列舉」與「產生」階段中，可用資料來源與「資料」階段的可用資料來源相同。如需詳細資訊，請參閱表 19–3。

在「關閉」階段，篩選器會完成其篩選作業並關閉。雖然為這個階段撰寫的功能可以使用那些與可用於「資料」階段相同的資料來源，但關閉功能一般會將其作業限制在網頁抓取程式關閉和清除作業。

啟用特性

每種功能皆有一個 enable 特性。值可為 true、false、on 或 off。管理主控台會使用這些參數以開啟或關閉特定指令。

下列範例會啟用 text/html 的列舉並停用 text/plain 的列舉：

#  僅在 HTML 上執行列舉
Enumerate enable=true fn=enumerate-urls max=1024 type=text/html
Enumerate enable=false fn=enumerate-urls-from-text max=1024 type=text/plain

新增 enable=false 特性或 enable=off 特性具有將該行寫為註釋相同的效力。使用這些特性的原因是管理主控台不會寫入註釋。