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
- 在 php 中使用 sockets：从新闻组中获取文章
- 正则表达式中的特殊字符
- 无限分类与树型论坛的实现方法
- 谈谈生成静态页面的一些经验
- 使用php的编码功能-mime.inc
- 缓存PHP页面的代码，可以减轻CPU和MYSQL负担
- php控制用户的浏览器
- CSS反转字符加密邮箱地址
- 用PHP调用Lucene包来实现全文检索
- phpbb mod for google 完全解决方案
- 如何避免表单的重复提交
- 用PHP处理多个同名复选框
- 文件下载统计php编程
- 利用Editplus2的用户工具功能来即时调试PHP
- 实例学习PHP之FastTemplate模板篇
- 模板--为什么和如何在PHP中使用它们
- PHP中实现大图自动缩成小图(及GD库的安装)
- 采用 PEAR 来缓冲 PHP 程序(一)
- 采用 PEAR 来缓冲 PHP 程序(二)
- 变量的“追随”：cookie与session
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: 296 ::
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
