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 XML操作类DOMDocument
- php jquery 实现新闻标签分类与无刷新分页
- php 来访国内外IP判断代码并实现页面跳转
- php 计算两个时间戳相隔的时间的函数(小时)
- php 日期时间处理函数小结
- PHP strtotime函数详解
- PHP 抓取新浪读书频道的小说并生成txt电子书的代码
- php 空格,换行,跳格使用说明
- c#中的实现php中的preg_replace
- PHP 分页原理分析，大家可以看看
- php 8小时时间差的解决方法小结
- PHP 源代码压缩小工具
- php 常用类整理
- 在PHP中检查PHP文件是否有语法错误的方法
- PHP simple_html_dom.php+正则 采集文章代码
- PHP array_push 数组函数
- php 文章采集正则代码
- php 需要掌握的东西 不做浮躁的人
- phpMyAdmin链接MySql错误 个人解决方案
- PHP 获取目录下的图片并随机显示的代码
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: 289 ::
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
