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
- 动易数据转成dedecms的php程序
- PHP中文汉字验证码
- 收藏的一个php小偷的核心程序
- ASP和PHP都是可以删除自身的
- PHP+Tidy－完美的XHTML纠错+过滤
- PHP实现MVC开发得最简单的方法——模型
- 相对路径转化成绝对路径
- 如何提高MYSQL数据库的查询统计速度 select 索引应用
- php下的转义字符串
- PHP 中英文混合排版中处理字符串常用的函数
- Linux下ZendOptimizer的安装与配置方法
- 给apache2.2加上mod_encoding模块後 php5.2.0 处理url出现bug
- 安装PHP可能遇到的问题“无法载入mysql扩展” 的解决方法
- dede全站URL静态化改造[070414更正]
- 使用Xdebug调试和优化PHP程序之[1]
- PHP与SQL注入攻击[一]
- PHP与SQL注入攻击[二]
- PHP与SQL注入攻击[三]
- PHP和XSS跨站攻击的防范
- Discuz! 5.0.0论坛程序中加入一段js代码，让会员点击下载附件前自动弹出提示窗口
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: 99 ::
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
