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 接口类与抽象类的实际作用
- php google或baidu分页代码
- 完美解决PHP中文乱码
- PHP Session变量不能传送到下一页的解决方法
- Ajax+PHP 边学边练之四 表单
- php session_start()关于Cannot send session cache limiter - headers already sent错误解决方法
- php中$this->含义分析
- php操作sqlserver关于时间日期读取的小小见解
- php 获取客户端的真实ip
- php读取html并截取字符串的简单代码
- PHP MYSQL乱码问题,使用SET NAMES utf8校正
- php 一元分词算法
- php smarty模版引擎中的缓存应用
- PHP5 面向对象（学习记录）
- php zip文件解压类代码
- Asp.net 文本框全选的实现
- php 无限分类的树类代码
- 又一个php 分页类实现代码
- PHPMyadmin 配置文件详解(配置)
- Ajax+PHP边学边练 之五 图片处理
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: 343 ::
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
