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 正确解码javascript中通过escape编码后的字符
- 在PHP中养成7个面向对象的好习惯
- PHP函数常用用法小结
- Zend framework处理一个http请求的流程分析
- 用js进行url编码后用php反解以及用php实现js的escape功能函数总结
- php cli 方式 在crotab中运行解决
- PHPWind 发帖回帖Api PHP版打包下载
- Linux下将excel数据导入到mssql数据库中的方法
- php不用内置函数对数组排序的两个算法代码
- 用php实现的下载css文件中的图片的代码
- php 获取当前访问的url文件名的方法小结
- php date与gmdate的获取日期的区别
- php下把数组保存为文件格式的实例应用
- 劣质的PHP代码简化
- php 生成随机验证码图片代码
- php+mysql事务rollback&commit示例
- php 处理上百万条的数据库如何提高处理查询速度
- 两个开源的Php输出Excel文件类
- PHP Memcached应用实现代码
- Memcache 在PHP中的使用技巧
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: 381 ::
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
