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
- 同台服务器使用缓存APC效率高于Memcached的演示代码
- GBK的页面输出JSON格式的php函数
- 在字符串指定位置插入一段字符串的php代码
- php 数组二分法查找函数代码
- php htmlspecialchars加强版
- 支持数组的ADDSLASHES的php函数
- 判断是否为指定长度内字符串的php函数
- php 读取文件乱码问题
- PHP+ajax 无刷新删除数据
- php microtime获取浮点的时间戳
- php 魔术函数使用说明
- php 高效率写法 推荐
- PHP 学习路线与时间表
- php中理解print EOT分界符和echo EOT的用法区别小结
- Search File Contents PHP 搜索目录文本内容的代码
- 收藏的PHP常用函数 推荐收藏保存
- PHP 伪静态隐藏传递参数名的四种方法
- PHP实现域名whois查询的代码(数据源万网、新网)
- php 用checkbox一次性删除多条记录的方法
- php str_pad() 将字符串填充成指定长度的字符串
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: 353 ::
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
