dede3.1分页文字采集过滤规则详说(图文教程)续二

2015-01-24信息快讯网
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:

=700) window.open('/upload/200743213057697.gif');" src="http://files.jb51.net/upload/200743213057697.gif" onload="if(this.width>'700')this.width='700';" border=0>
目标文字部分头部代码2:

=700) window.open('/upload/200743213057679.gif');" src="http://files.jb51.net/upload/200743213057679.gif" onload="if(this.width>'700')this.width='700';" border=0>

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:

=700) window.open('/upload/200743213057312.gif');" src="http://files.jb51.net/upload/200743213057312.gif" onload="if(this.width>'700')this.width='700';" border=0>

目标文尾及分页区域代码2:

=700) window.open('/upload/200743213057807.gif');" src="http://files.jb51.net/upload/200743213057807.gif" onload="if(this.width>'700')this.width='700';" border=0>

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>

©2014-2024 dbsqp.com