Maison > développement back-end > tutoriel php > dede3.1分页文字采集过滤规则详说(图文教程)续二_PHP教程

dede3.1分页文字采集过滤规则详说(图文教程)续二_PHP教程

WBOY
Libérer: 2016-07-21 15:55:33
original
876 Les gens l'ont consulté

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:

dede3.1分页文字采集过滤规则详说(图文教程)续二_PHP教程
目标文字部分头部代码2:

dede3.1分页文字采集过滤规则详说(图文教程)续二_PHP教程

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:

              
                
              
              
                



目标文尾及分页区域代码1:

dede3.1分页文字采集过滤规则详说(图文教程)续二_PHP教程

目标文尾及分页区域代码2:

dede3.1分页文字采集过滤规则详说(图文教程)续二_PHP教程

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:


                  

              

www.bkjia.comtruehttp://www.bkjia.com/PHPjc/318217.htmlTechArticle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...
source:php.cn
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal