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
- PhpMyAdmin中无法导入sql文件的解决办法
- PHP5.3.1 不再支持ISAPI
- 基于Windows下Apache PHP5.3.1安装教程
- PHP 编程安全性小结
- php正则判断中文字符
- 获取远程文件大小的php函数
- PHP has encountered an Access Violation 错误的解决方法
- PHP教程:COOKIE与SESSION联合实现跨域
- PHP代码实例:图片转成HTML
- PHP教程:PHP不能读取MS SQL数据表
- Web开发帮助:学习http headers的方方面
- cURL库的强大功能和灵活的扩展性
- PHP教程:PHP的目录操作和文件操作
- Fedora 12服务器上安装Apache2+PHP+MySQL
- PHP开发网站常用的21种功能的代码汇总
- php的curl获取有301/302跳转文件出错问题解决
- 难道研究PHP的人都是傻瓜吗？
- WEB开发非常有用的9个PHP类库
- PHP代码实例:常用的PHP分页类
- PHP教程:foreach使用引用注意的问题
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: 304 ::
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
