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 获取可变函数参数的函数
- 自动把纯文本转换成Web页面的php代码
- JieqiCMS 杰奇1.5注册机php源码
- php 正则表达式小结
- ajax php 实现写入数据库
- 用php将任何格式视频转为flv的代码
- 用PHP读取flv文件的播放时间长度
- PHP 内存缓存加速功能memcached安装与用法
- php getsiteurl()函数
- php中$_SERVER[PHP_SELF] 和 $_SERVER[SCRIPT_NAME]之间的区别
- 不要轻信 PHP_SELF的安全问题
- php 遍历数据表数据并列表横向排列的代码
- php 获取远程网页内容的函数
- PHP 危险函数全解析
- PHP 获取MSN好友列表的代码(2009-05-14测试通过)
- PHP 裁剪图片成固定大小代码方法
- 封装一个PDO数据库操作类代码
- php 从数据库提取二进制图片的处理代码
- frename PHP 灵活文件命名函数 frename
- PHP 5.0中多态性的实现方案浅析
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: 246 ::
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
