dede3.1分页文字采集过滤规则详说(图文教程)续四- PHP

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)续四

技术文章搜索

关键字

PHP 中的 dede3.1分页文字采集过滤规则详说(图文教程)续四

出处:互联网 整理: 软晨网（RuanChen.com） 发布: 2009-10-12 浏览: 91 ::

收藏到网摘: n/a

dede3.1分页文字采集过滤规则详说(图文教程)续二手把手教你使用DedeCms V3的在线采集图文教程

至此，分页内容匹配进行完毕。
文章内容匹配、分页内容匹配都进行完后，最后就只有“过滤”了，包括分页区域过滤和文章内容过滤。据本人的感觉，上面的两个规则都好写，只要找到全部链接中的“唯一性”代码就搞定，但过滤规则里却是欲说还休，道不尽的无穷奥妙……哈哈，感觉就是这样。尤其如我一般的新手，对“正则”这个东西如临天书，找了几个正则方面的软件吧仍觉无从下手，就只好依样画样，照猫画虎，依葫芦画瓢地摸索了。
好了，闲话了。也累了，听听《加州旅馆》吧，在这：加州旅馆_老鹰乐队94现场放松下吧。
你一眼看出来了过滤规则怎么写么，反正我是没能看得出来，没办法，新手就是新手呀。不管它，那就依照原范例的分页过滤规则写个规则试试看看结果吧：

复制代码代码如下:

{dede:trim}<td align='center' height='30'>(.*)页次{/dede:trim}

采集一下：

分页成功了，但废码多，还得改!
看下多余的代码特征，好象是过滤范围不够，后面的很多内容都要过滤掉。那好，把过滤区域再往后移，直接移至描红部分吧(其实我在改过滤规则的时候，改了好几次，这里就一次到位吧，不耽误朋友们的时间了)：

写个完整的分页过滤规则：

复制代码代码如下:

{dede:trim}<td align='center' height='30'>(.*)</option></select></td>{/dede:trim} 

再采集下，看看结果：

好了，分页成功，无多余代码。至此，全部主要的代码部分完成。
结果在这里：
有分页的：党员干部作风整顿剖析材料
无分页的：文艺部工作计划
写一个完成的站点规则：

复制代码代码如下:

{!-- 节点基本信息 --} 
{dede:item name='天水_工作计划_1页' 
 imgurl='/upimg' imgdir='../upimg' language='gb2312' typeid='1' macthtype='string'} 
{/dede:item} 
{!-- 采集列表获取规则 --} 
{dede:list source='var' sourcetype='list' 
 varstart='' varend=''} 
 {dede:url value='http://www.tiansou.net/Html/Y_CYFW/R_Gzzj/F_Gzjh/index.html'}{/dede:url} 
 {dede:need}Gzjh/2007-{/dede:need} 
 {dede:cannot}Gzjh/2007-1{/dede:cannot} 
 {dede:linkarea}[var:区域]{/dede:linkarea} 
{/dede:list} 
{!-- 网页内容获取规则 --} 
{dede:art} 
{dede:sppage sptype='full'}<td align='center' height='30'>首页 上页[var:分页区域]页次{/dede:sppage} 
 {dede:note field='dede_archives.title' value='[var:内容]' comment='文章标题' 
 isunit='' isdown=''} 
 {dede:match}<title>[var:内容]--天水搜索</title>{/dede:match} 
 {dede:function}{/dede:function} 
 {/dede:note} 
 {dede:note field='dede_archives.sortrank' value='[var:内容]' comment='排序级别' 
 isunit='' isdown=''} 
 {dede:match}{/dede:match} 
 {dede:function}@me = time();{/dede:function} 
 {/dede:note} 
 {dede:note field='dede_archives.writer' value='[var:内容]' comment='文章作者' 
 isunit='' isdown=''} 
 {dede:match}{/dede:match} 
 {dede:function}{/dede:function} 
 {/dede:note} 
 {dede:note field='dede_archives.litpic' value='[var:内容]' comment='缩略图' 
 isunit='' isdown=''} 
 {dede:match}{/dede:match} 
 {dede:function}@me = @litpic;{/dede:function} 
 {/dede:note} 
 {dede:note field='dede_archives.pubdate' value='[var:内容]' comment='发布时间' 
 isunit='' isdown=''} 
 {dede:match}{/dede:match} 
 {dede:function}if(@me!="") @me = GetMkTime(@me); 
else @me = time();{/dede:function} 
 {/dede:note} 
 {dede:note field='dede_archives.senddate' value='[var:内容]' comment='录入时间' 
 isunit='' isdown=''} 
 {dede:match}{/dede:match} 
 {dede:function}@me = time();{/dede:function} 
 {/dede:note} 
 {dede:note field='dede_addonarticle.body' value='[var:内容]' comment='文章内容' 
 isunit='1' isdown='1'} 
 {dede:match}</TR> 
 <TR> 
 <TD height="8"></TD> 
 </TR> 
 <TR> 
 <TD valign="top" class=Connet><p>[var:内容]</p> 
 </TD> 
 </TR>{/dede:match} 
 {dede:trim}<td align='center' height='30'>(.*)</option></select></td>{/dede:trim} 
 {dede:trim} 
{/dede:trim} 
 {dede:trim}<param([^>]*)>{/dede:trim} 
 {dede:trim}<embed([^>]*)>([^>]*)</embed>{/dede:trim} 
 {dede:trim}<embed([^>]*)>{/dede:trim} 
 {dede:trim}</embed>{/dede:trim} 
 {dede:trim}<object([^>]*)>([^>]*)</object>{/dede:trim} 
 {dede:trim}<object([^>]*)>{/dede:trim} 
 {dede:trim}</object>{/dede:trim} 
 {dede:trim}<OBJECT([^>]*)>([^>]*)</OBJECT>{/dede:trim} 
 {dede:trim}<OBJECT([^>]*)>{/dede:trim} 
 {dede:trim}</OBJECT>{/dede:trim} 
 {dede:trim}<iframe([^>]*)>([^>]*)</iframe>{/dede:trim} 
 {dede:trim}<iframe([^>]*)>{/dede:trim} 
 {dede:trim}</iframe>{/dede:trim} 
 {dede:trim}<IFRAME([^>]*)>([^>]*)</IFRAME>{/dede:trim} 
 {dede:trim}<IFRAME([^>]*)>{/dede:trim} 
 {dede:trim}</IFRAME>{/dede:trim} 
 {dede:trim}<font([^>]*)>([^<]*)</font>{/dede:trim} 
 {dede:trim}<font([^>]*)>{/dede:trim} 
 {dede:trim}</font>{/dede:trim} 
 {dede:trim}<img([^>]*)>{/dede:trim} 
 {dede:trim}<a([^>]*)>([^<]*)</a>{/dede:trim} 
 {dede:trim}<a([^>]*)>{/dede:trim} 
 {dede:trim}</a>{/dede:trim} 
 {dede:trim}<td([^>]*)>([^>]*)</td>{/dede:trim} 
 {dede:trim}<td([^>]*)>{/dede:trim} 
 {dede:trim}</td>{/dede:trim} 
 {dede:trim}<tr([^>]*)>([^>]*)</tr>{/dede:trim} 
 {dede:trim}<tr([^>]*)>{/dede:trim} 
 {dede:trim}</tr>{/dede:trim} 
 {dede:trim}<tbody([^>]*)>([^>]*)</tbody>{/dede:trim} 
 {dede:trim}<tbody>{/dede:trim} 
 {dede:trim}</tbody>{/dede:trim} 
 {dede:trim}<table([^>]*)>([^>]*)</table>{/dede:trim} 
 {dede:trim}<table([^>]*)>{/dede:trim} 
 {dede:trim}</table>{/dede:trim} 
 {dede:trim} {/dede:trim} 
 {dede:function}{/dede:function} 
 {/dede:note} 
 {dede:note field='dede_archives.source' value='[var:内容]' comment='文章来源' 
 isunit='' isdown=''} 
 {dede:match}{/dede:match} 
 {dede:function}@me ='互联网'{/dede:function} 
 {/dede:note} 
{/dede:art} 

dede3.1分页文字采集过滤规则详说(图文教程)续二手把手教你使用DedeCms V3的在线采集图文教程

PHP 中的 dede3.1分页文字采集过滤规则详说(图文教程)续四

评论 (0) All