繁體中文当前位置: 首页 > 图文教程 > 网络编程 > PHP > dede3.1分页文字采集过滤规则详说(图文教程)续二
- PHP
- php-accelerator网站加速PHP缓冲的方法
- 特详细的PHPMYADMIN简明安装教程
- 用PHP读取RSS feed的代码
- php自动适应范围的分页代码
- PHP+MYSQL 出现乱码的解决方法
- php多数据库支持的应用程序设计
- 推荐学习php sesson的朋友必看PHP会话(Session)使用入门
- PHP调用MySQL的存储过程的实现代码
- php二分法在IP地址查询中的应用
- php IIS日志分析搜索引擎爬虫记录程序
- PHP获取网站域名和地址的代码
- PHP 数组实例说明
- 删除数组元素实用的PHP数组函数
- PHP去除数组中重复的元素并按键名排序函数
- php中的数组操作函数整理
- php数组应用之比较两个时间的相减排序
- php magic_quotes_gpc的一点认识与分析
- php htmlentities和htmlspecialchars 的区别
- php过滤危险html代码
- PHP Smarty生成EXCEL文档的代码
PHP 中的 dede3.1分页文字采集过滤规则详说(图文教程)续二
出处:互联网 整理: 软晨网（RuanChen.com） 发布: 2009-10-12 浏览: 128 ::
收藏到网摘: n/a
稍微了解dede采集规则的朋友上篇内容完全可以略过，下面看看如何以静制动、以不变就万变地解决分页采集问题。
二、采集新目标
目标地址：
1、http://www.tiansou.net/Html/Y_CYFW/R_Gzzj/F_Gzjh/index.html
2、http://www.tiansou.net/Html/Y_CYFW/R_Gzzj/F_Gzjh/2007-2/9/20070209110903558.html
之所以选取两个目标页面，是因为以上的两个页面一个有分页，而另一个没有，并且在分页和全文取样部分有较大的差别。以下的说明是在为采集目标地址(首页)全部链接的基础上改动的，个别地方会显得蛇足，只为说明的方便。
目标文字部分头部代码1：
目标文字部分头部代码2：
通过比较不难发现，两个文字部分的开始采集部分能确定下来为描黑部分，开头部分好说，代码如下：
复制代码 代码如下:
<TR>
<TD height="8"></TD>
</TR>
<TR>
<TD valign="top" class=Connet><p>
目标文尾及分页区域代码1：
目标文尾及分页区域代码2：
比较一下两个结尾，尽管想把第一个的结尾再往前提一点，但没法子，要考虑到全部链接的共同部分，就只好取描黑的部分了，这也给今后确定过滤规则添了点麻烦，这是后话。先把结尾部分确定了吧：
复制代码 代码如下:
</p>
</TD>
</TR>
评论 (0) All
