帝國cms採集圖文教程（中）

仲介交易 HTTP://www.aliyun.com/zixun/aggregation/6858.html">SEO診斷 淘寶客 雲主機 技術大廳

上一講我們介紹了帝國cms採集基本流程，那麼我們這一講介紹帝國cms如何採集內容分頁。 不少的同學在採集過程中，清單頁和內容頁都能可以很好地設定正則，但往往失敗在內容分頁正則上，主要是對內容分頁正則不了解。 帝國的內容分頁形式有兩種：(1)全部列出式(2)上下頁導航式，但是這兩種內容分頁形式有什麼區別，採集內容分頁時該用哪種，官方說得比較模糊，對此有些同學感到很頭大，好的，我們先看下例子：

一、全部列出式

全部清單式只需看第一頁的頁面HTML代碼，這一頁的所有分頁連結都列出來了。

1、我們以「中華網內容分頁(HTTP://auto.china.com/dongtai/yejie/11012724/20120309/17081442.html)」為例：

可以看到這條新聞總共有3條分頁。

2、查看原始程式碼：

這一頁裡除了已經採集到的第1條分頁外，還包括了第2條和第3條分頁，所有的分頁都列出來了。

3、取得 分頁區域正則([!--smallpageallzz--])：

4、取得 分頁連結正則([!--pageallzz--])：

二、上下頁導航式

上下頁導航式是分頁採集的難點，他需要所有頁面都符合分頁正則才行，在不熟悉的情況下，我們可以用第1頁和第2頁的代碼來進行對比分析然後確定分頁正則。

1、我們以「愛麗網內容分頁(HTTP://fashion.aili.com/76/445845.html)」為例：

可以看到這條新聞總共有20條分頁。

2、查看原始程式碼：

這一頁裡除了已經採集到的第1條分頁外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁，但是第9到第19條分頁並沒有列出來，這時候我們拿用第1頁和第2頁的代碼來進行對比分析，來確定分頁正則:

(1)第1頁代碼：

(2)第2頁代碼：

從這兩幅圖片可以看到他們有著相同的「分頁區域開始代碼」，「分頁連結」格式，「分頁區域結束代碼」,那麼就可以確定「分頁區域正則」，「分頁連結正則」。

3、取得 分頁區域正則([!--smallpageallzz--])：

4、取得 分頁連結正則([!--pageallzz--])：

5、為了方便教程顯示，newstext我採集了標題而不是採集內容，預覽結果：

注意事項：

第一、在第一頁的頁面HTML代碼裡，內容分頁連結全部列出來的情況下我們使用「全部列出式」。 在第一頁的頁面HTML代碼裡，內容分頁連結沒有全部列出來的情況下我們使用「上下頁導航式」。

第二、用全部列出式時，採集規則正確但是莫名其妙的出現重複的分頁，這時可以利用替換法把它過濾掉(下一講我們再說)。

第三、用上下頁導航式時，老是采到第1頁，其他頁連個影子都沒有見過，這是因為分頁區域正則([!--smallpagezz--])截取錯誤。

第四、用上下頁導航式時，可以採集到前幾頁了，但是接下來這前幾頁全部重複迴圈到底，這也是因為分頁區域正則([!--smallpagezz--])截取錯誤，截取範圍過大，導致重複截取前幾個分頁連結。

好的，這一講就到這裡，下一講我們主要介紹帝國cms採集過濾和替換。

本文由 國外網站大全HTTP://www.kguowai.com/ 原創，轉載請注明出處，謝謝!

帝國cms採集圖文教程（上）