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
- 初学者入门：细述PHP4的核心Zend
- 网友分享:php与XML、XSLT、Mysql结合运用
- DISCUZ架构:积分系统代码分析一
- DISCUZ架构:积分系统代码分析二
- DISCUZ架构:积分系统代码分析三
- 设置COOKIE保留时间为浏览器进程
- 通过ADO调用Access数据库和COM程序
- 判断一数是否在一已知数组中的函数
- 如何使用PHP中的日期和时间函数
- 一个PHP中常用email校验语句的解释
- 如何利Mcrypt扩展库进行加密和解密
- PHP脚本的8个技巧(4)动态创建图象
- 实用技巧：PHP截取中文字符串的问题
- PHP与已存在的Java应用程序集成
- PHP3中使用ORACLE函数的使用说明
- PHP技巧：得到一个字符串的最后一个字符
- Linux系统下让PHP提高性能的工具APC
- 为您详解PHP开发工具的使用与分析
- 如何使用PHP开发高效的WEB系统
- 用 PHP V4 开发的代码迁移到 PHP V5
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: 327 ::
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
