帝国cms采集图文教程（中）（2）

这一页里除了已经采集到的第1条分页外，还包括了第2，第3，第4，第5，第6，第7，第8，第20条分页，但是第9到第19条分页并没有列出来，这时候我们拿用第1页和第2页的代码来进行对比分析，来确定分页正则：

（1）第1页代码：

（2）第2页代码：

从这两幅图片可以看到他们有着相同的“分页区域开始代码”，“分页链接”格式，“分页区域结束代码”，那么就可以确定“分页区域正则”，“分页链接正则”。

3、取得 分页区域正则（[!--smallpageallzz--]）：

4、取得 分页链接正则（[!--pageallzz--]）：

5、为了方便教程显示，newstext我采集了标题而不是采集内容，预览结果：

注意事项：

第一、在第一页的页面HTML代码里，内容分页链接全部列出来的情况下我们使用“全部列出式”。在第一页的页面HTML代码里，内容分页链接没有全部列出来的情况下我们使用“上下页导航式”。

第二、用全部列出式时，采集规则正确但是莫名其妙的出现重复的分页，这时可以利用替换法把它过滤掉（下一讲我们再说）。

第三、用上下页导航式时，老是采到第1页，其他页连个影子都没有见过，这是因为分页区域正则（[!--smallpagezz--]）截取错误。

第四、用上下页导航式时，可以采集到前几页了，但是接下来这前几页全部重复循环到底，这也是因为分页区域正则（[!--smallpagezz--]）截取错误，截取范围过大，导致重复截取前几个分页链接。

好的，这一讲就到这里，下一讲我们主要介绍帝国cms采集过滤和替换。

本文由 国外网站大全http://www.kguowai.com/ 原创，转载请注明出处，谢谢！