广

PHP编程

  • IOS开发
  • android开发
  • PHP编程
  • JavaScript
  • ASP.NET
  • ASP编程
  • JSP编程
  • Java编程
  • 易语言
  • Ruby编程
  • Perl编程
  • AJAX
  • 正则表达式
  • C语言
  • 编程开发

    dede3.1分页文字采集过滤规则详说(图文教程)续二

    2018-10-13 10:38:44 次阅读 稿源:互联网
    零七广告
    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:
    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:
    代码如下:

    </p>
                      </TD>
                  </TR>

    零七网部分新闻及文章转载自互联网,供读者交流和学习,若有涉及作者版权等问题请及时与我们联系,以便更正、删除或按规定办理。感谢所有提供资讯的网站,欢迎各类媒体与零七网进行文章共享合作。

    零七广告
    零七广告
    零七广告
    零七广告