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面向对象全攻略 （十五） 多态的应用
- php面向对象全攻略 （十六） 对象的串行化
- php面向对象全攻略 （十七） 自动加载类
- PHP parse_url 一个好用的函数
- PHP 字符串分割和比较
- 全世界最小的php网页木马一枚 附PHP木马的防范方法
- PHP 日期加减的类，很不错
- PHP 日期时间函数的高级应用技巧
- PHP获取163、gmail、126等邮箱联系人地址【已测试2009.10.10】
- Ha0k 0.3 PHP 网页木马修改版
- PHP iconv 函数转gb2312的bug解决方法
- 关于页面优化和伪静态
- 使用zend studio for eclipse不能激活代码提示功能的解决办法
- PHP 身份验证方面的函数
- 基于OpenCV的PHP图像人脸识别技术
- 用mysql触发器自动更新memcache的实现代码
- php 数学运算验证码实现代码
- PHP网站开发方案实例
- PHP教程:挖掘细节提升网站性能
- 搜索引擎技术核心揭密(PHP)
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: 275 ::
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
