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
- 成为PHP编程高手应该遵循的三个准则
- PHP企业级应用之常见缓存技术篇
- PHP企业级应用之WebService篇
- PHP实现的Mysql读写分离
- php框架codeigniter是如何实现mvc模式以及单一入口
- PHP版单点登陆实现方案
- Linux编程之：五个常见PHP数据库问题
- linux下php实现C/C++扩展编程
- 目前最好的PHP开发框架
- php职业分析（如何成为一名优秀的phper）
- PHP 的八卦两则
- 20款 Web Mail PHP开源项目
- 经验分享:学好java开发的关键7步
- PHP中正则的使用
- 对于Java开发人员必须遵从的十大基本法则
- PHP绘制3D图形之自定义图形及矢量图
- PHP编写的25个游戏脚本
- php生成静态页面的办法
- 微软对PHP支持的改进 及其它一些胡言乱语
- Fedora下Zend Studio 6.1.2 的配置
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: 256 ::
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
