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
- PHP5中PDO的简单使用
- 更好的构造开发模板 五种PHP设计模式
- PHP和AJAX打造高级RSS聚合器
- 跟我来学PHP5：session会话的使用和分析
- 构建可配置PHP应用程序的正确方式
- 在PHP中全面阻止SQL注入式攻击之一
- 在PHP中全面阻止SQL注入式攻击之二
- 在PHP中全面阻止SQL注入式攻击之三
- 7种流行PHP集成开发工具(IDE)的比较
- PHP中的XML应用
- PHP会话——session 时间设定使用入门
- PHP对GB编码动态转UTF-8几种方法评测
- 确保PHP安全，不能违反的四条安全规则
- 如何利用PHP会话显示出当前在线的用户
- PHP开发实例：创建PDF中文文档的程序代码
- 动态网页技术PHP的数组处理函数库
- 一贴学会PHP 为落伍的MJJ们量身定做的教程
- PHP生成RSS类 (PHP类）
- 基于PHP和AJAX创建RSS聚合器 (1)
- PHP实例——PHP创建动态图像
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: 313 ::
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
