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
- 正确理解PHP程序编译时的错误信息
- PHP开发中关于文件操作的疑难问答
- PHP.MVC的模板标签系统之标签行为调度
- PHP安全配置之实现安全的两个重点
- 用PHP+java实现自动新闻滚动窗口
- PHP编程技巧：看实例学正则表达式
- PHP一些常用的正则表达式
- PHPUnit袖珍指南之自动测试
- PHPUnit袖珍指南之PHPUnit的目的
- PHPUnit袖珍指南之安装PHPUnit
- PHPUnit袖珍指南之命令行测试工具
- PHP中使用crypt()实现用户身份验证
- 用PHP+MySQL搭建聊天室
- 如何编译PHP源代码
- 安全基础：PHP后门的隐藏技巧测试报告
- PHP创建和使用session cookie变量
- php的curl实现get和post
- PHP自动适应范围的页码分页程序
- Perl处理日期时间的技巧
- php直接调用文本文件内容
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: 250 ::
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
