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
- 利用discuz实现PHP大文件上传应用实例代码
- php 遍历显示文件夹下所有目录、所有文件的函数，没有分页的代码
- php在字符串中查找另一个字符串
- php下HTTP Response中的Chunked编码实现方法
- PHP实现定时生成HTML网站首页实例代码
- PHP下一个非常全面获取图象信息的函数
- PHP strtr() 函数使用说明
- php 删除无限级目录与文件代码共享
- php AJAX实例根据邮编自动完成地址信息
- php miniBB中文乱码问题解决方法
- cmd下运行php脚本
- PHP 遍历XP文件夹下所有文件
- php 移除数组重复元素的一点说明
- discuz论坛 用户登录 后台程序代码
- Optimizer与Debugger兼容性问题的解决方法
- Zend Studio 无法启动的问题解决方法
- php 页面执行时间计算代码
- php smarty的预保留变量总结
- php获取网页内容方法总结
- php读取msn上的用户信息类
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: 306 ::
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
