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
- 真正面向对象编程:PHP5.01发布
- Zend公司全球首推PHP认证
- 使用MaxMind 根据IP地址对访问者定位
- 动态网站web开发 PHP、ASP还是ASP.NET
- PHP5.0正式发布 不完全兼容PHP4 新增多项功能
- PHP的一个完整SMTP类(解决邮件服务器需要验证时的问题)
- 提升PHP执行速度全攻略(上)
- 两种php调用Java对象的方法
- PHP开发文件系统实例讲解
- 如何使用动态共享对象的模式来安装PHP
- PHP编程网上资源导航
- PHP安全编程之加密功能
- PHP使用者状态管理功能的应用
- 用IE远程创建Mysql数据库的简易程序
- phpBB BBcode处理的漏洞
- 一个目录遍历函数
- 生成缩略图
- 模拟xcopy的函数
- PHP 中执行系统外部命令
- PHP输出控制功能在简繁体转换中的应用
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: 117 ::
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
