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
- php4的彩蛋
- 正则表达式例子：获得某个网页上的所有超裢接
- 正则表达式例子：在一个字符串中查找另一个字符串
- 正则表达式例子：将MM/DD/YYYY格式的日期转换为YYYY-MM-DD格式
- Pattern Modifiers - 规则表达式的修饰符
- PHP4实际应用经验篇(1)
- PHP4实际应用经验篇(2)
- PHP4实际应用经验篇(3)
- PHP4实际应用经验篇(4)
- PHP4实际应用经验篇(5)
- PHP4实际应用经验篇(6)
- PHP中的DOM XML函数
- 使用php动态生成gif时遇到的问题和解决办法
- 用PHP连mysql和oracle数据库性能比较
- 浅谈Windows下 PHP4.0与oracle 8的连接设置
- 用PHP调用数据库的存贮过程
- 用php与mysql的电子贺卡程序
- 挑战最棒的留言本的源码（一）
- 挑战最棒的留言本的源码（二）
- 如何实现日期比较，暨实现显示5天内，显示10天内的记录
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: 334 ::
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
