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
- 一键删除顽固的空文件夹 软件下载
- 获得Google PR值的PHP代码
- 解决控件遮挡问题：关于有窗口元素和无窗口元素
- Discuz!5的PHP代码高亮显示插件（黑暗中的舞者更新）
- phpmyadmin中配置文件现在需要绝密的短语密码的解决方法
- 一个数据采集类
- php中的一个中文字符串截取函数
- 自己前几天写的无限分类类
- 简单采集了yahoo的一些数据
- 回答PHPCHINA上的几个问题:URL映射
- 模拟flock实现文件锁定
- 一个捕获函数输出的函数
- cache_lite试用
- 再次研究下cache_lite
- PHP数据缓存技术
- 修改了一个很不错的验证码，共享之。
- 谈谈PHP的输入输出流
- 使用apache模块rewrite_module (转)
- 让PHP支持页面回退的两种方法[转]
- mysql中存储过程、函数的一些问题
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: 87 ::
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
