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 多线程上下文中安全写文件实现代码
- PHP类的使用 实例代码讲解
- 用php实现让页面只能被百度gogole蜘蛛访问的方法
- php 学习笔记
- PHP编程过程中需要了解的this,self,parent的区别
- php 操作excel文件的方法小结
- 使用PHP获取网络文件的实现代码
- PHP 巧用数组降低程序的时间复杂度
- php下将XML转换为数组
- php 文件上传代码(限制jpg文件)
- php 无极分类(递归)实现代码
- PHP 采集获取指定网址的内容
- PHP 将图片按创建时间进行分类存储的实现代码
- PHP 存储文本换行实现方法
- PHP 批量更新网页内容实现代码
- 用PHP查询搜索引擎排名位置的代码
- 用php实现的获取网页中的图片并保存到本地的代码
- php实现首页链接查询 友情链接检查的代码
- 处理php自动反斜杠的函数代码
- php实现的遍历文件夹下所有文件,编辑删除
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: 322 ::
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
