dede3.1分页文字采集过滤规则详说(图文教程)续二
更新时间:2007年04月03日 00:00:00 作者:
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:
<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:
</p>
</TD>
</TR>
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>
相关文章
PHP 冒泡排序 二分查找 顺序查找 二维数组排序算法函数的详解
本篇文章是对PHP 冒泡排序 二分查找 顺序查找 二维数组排序算法函数进行了详细的分析介绍,需要的朋友参考下2013-06-06
解析PHP跳出循环的方法以及continue、break、exit的区别介绍
本篇文章是对PHP跳出循环的方法以及continue、break、exit的区别进行了详细的分析介绍,需要的朋友参考下2013-07-07
header中Content-Disposition的作用与使用方法
本文章详细的介绍了关于php header中Content-disposition用法详细,有需要了解header用法的朋友可参考一下2012-06-06
PHP实现十进制、二进制、八进制和十六进制转换相关函数用法分析
这篇文章主要介绍了PHP实现十进制、二进制、八进制和十六进制转换相关函数用法,结合具体实例形式较为详细的分析了php各种常见的进制转换函数功能、参数、使用方法与相关注意事项,需要的朋友可以参考下2017-04-04


最新评论