程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
 程式師世界 >> 編程語言 >> 網頁編程 >> PHP編程 >> 關於PHP編程 >> dede3.1分頁文字采集過濾規則詳說(圖文教程)續二

dede3.1分頁文字采集過濾規則詳說(圖文教程)續二

編輯:關於PHP編程

稍微了解dede采集規則的朋友上篇內容完全可以略過,下面看看如何以靜制動、以不變就萬變地解決分頁采集問題。
二、采集新目標

目標地址:
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
之所以選取兩個目標頁面,是因為以上的兩個頁面一個有分頁,而另一個沒有,並且在分頁和全文取樣部分有較大的差別。以下的說明是在為采集目標地址(首頁)全部鏈接的基礎上改動的,個別地方會顯得蛇足,只為說明的方便。

目標文字部分頭部代碼1:


目標文字部分頭部代碼2:



通過比較不難發現,兩個文字部分的開始采集部分能確定下來為描黑部分,開頭部分好說,代碼如下:
復制代碼 代碼如下:
              <TR>
                <TD height="8"></TD>
              </TR>
              <TR>
                <TD valign="top" class=Connet><p>

目標文尾及分頁區域代碼1:



目標文尾及分頁區域代碼2:



比較一下兩個結尾,盡管想把第一個的結尾再往前提一點,但沒法子,要考慮到全部鏈接的共同部分,就只好取描黑的部分了,這也給今後確定過濾規則添了點麻煩,這是後話。先把結尾部分確定了吧:
復制代碼 代碼如下:
</p>
                  </TD>
              </TR>

  1. 上一頁:
  2. 下一頁:
Copyright © 程式師世界 All Rights Reserved