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实现网页自动更新块
- PHP 5.0 中的对象重载技术研究
- 轻型数据库SQLite结合PHP的开发
- PHP中模板分页的处理
- 在debian下为PHP5.0.3安装pdo模块
- PHP下实现端口复用/劫持
- PHP链接ACCESS数据库最简单的方法
- IIS 不用 rewrite 实现页面静态化的方法
- PHP发现安全漏洞
- Windows下PHP4.0与Oracle 8的连接设置
- 使用OOP技术来优化PHP应用程序
- 用MySQL和PHP创建XML
- 正则表达式中的特殊字符一览
- 截获网站
- 在UNIX平台上的Netscape Enterprise Server 3.x下配置PHP
- Windows 98下安装Apache(PWS) PHP4MySQLphpMyAdmin的方法
- 对《Windows 9x/NT下以Apache的模块方式安装PHP4》的补充
- Windows2000下安装Apache PHP4 MySQL
- 在WIN98下安装PHP4+ PERSONAL ORACLE8I
- 在 PHP 中用描点法“绘制”中文
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: 339 ::
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
