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 加密/解密函数 dencrypt(动态密文，带压缩功能，支持中文)
- 用mysql内存表来代替php session的类
- 简化php模板页面中分页代码的解析
- 一周让你学会PHP 不错的学习资料
- PHP 数据库树的遍历方法
- php实现从ftp服务器上下载文件树到本地电脑的程序
- PHP 操作文件的一些FAQ总结
- PHP 截取字符串 分别适合GB2312和UTF8编码情况
- PHP 编程的 5个良好习惯
- php下几个常用的去空、分组、调试数组函数
- PHP Ajax中文乱码问题解决方法
- php 采集书并合成txt格式的实现代码
- php Try Catch异常测试
- 解决了Ajax、MySQL 和 Zend Framework 的乱码问题
- Zend 输出产生XML解析错误
- php动态生成JavaScript代码
- 隐性调用php程序的方法
- 在JavaScript中调用php程序
- php 数组的创建、调用和更新实现代码
- php生成SessionID和图片校验码的思路和实现代码
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: 175 ::
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
