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
- 使用TinyButStrong模板引擎来做WEB开发
- 用PHP控制用户的浏览器--ob*函数的使用说明
- PHP操作文件方法问答
- PHP编码规范-php coding standard
- 在PHP世界中选择最合适的模板与使用方法
- PHP学习资料汇总与网址
- PHP中session使用方法详解
- PHP中cookies使用指南
- 对Session和Cookie的区分与解释
- php的一个登录的类 [推荐]
- php下使用无限生命期Session的方法
- 初级的用php写的采集程序
- Discuz 5.0 中读取纯真IP数据库函数分析
- php中文本操作的类
- dedecms采集中可以过滤多行代码的正则表达式
- dedecms防止FCK乱格式化你的代码的修改方法
- 收集的DedeCMS一些使用经验
- dedecms模板标签代码官方参考
- Dedecms V3.1 生成HTML速度的优化办法
- PHP实现采集程序原理和简单示例代码
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: 86 ::
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
