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代码优化及php相关问题总结
- 实现提高PHP效率的集中方法
- PHP中删除目录的三种方法
- PHP索引数组、多维数组以及相关数组
- PHP网站开发遇到的中文编码
- PHP动态生成switch-PHP的eval()的使用
- php获得一个文件夹下所有文件的文件名
- php生成outlook-php日历文件
- php的register_shutdown_function函数详解
- PHP脚本的8个技巧之一-Apache DSO
- PHP使用mail函数发送邮件标题乱码问题
- DISCUZ架构:AJAX之ajax.js 函数之一
- DISCUZ架构:AJAX之ajax.js 函数之二
- DISCUZ架构:AJAX之ajax.js 函数之三
- 你用用PHP获取前天和昨天日期
- php语言中switch的用法介绍
- PHP实例：FCKeditor 的配置和使用方法
- PHP5.0对象模型探索之抽象方法和抽象类
- php的content-type=text/html问题
- PHP分析.wav文件并绘制png格式的波形图
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: 229 ::
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
