帝国cms采集图文教程（中）

　　帝国 cms 采集图文教程（中） 上一讲我们介绍了帝国 cms 采集基本流程帝国cms采集分页教程， 那么我们这一讲介绍帝国 cms 如何采集内容分页。 不少的朋友在采集过程中， 列表页和内容页都能可以挺好地设定正则， 但常常失败在内容分页正则上， 主要是对内容分页正则不了解。 帝国的内容分页方式有两种：（1） 全部列出式（2） 上下页导航式， 但是这两种内容分页方式有哪些区别， 采集内容分页时该用哪种，官方说得比较模糊， 对此有些朋友倍感太头大， 好的， 我们先看下事例： 一、 全部列出式 全部列表式只需看第一页的页面 HTML 代码， 这一页的所有分页链接都列下来了。 1、我们以“中华网内容分页()”为例： 可以看见这条新闻总共有 3 条分页。 2、 查看源代码： 这一页里不仅早已采集到的第 1 条分页外， 还包括了 第 2 条和第 3 条分页， 所有的分页都列下来了。 3、 取得 分页区域正则([!--smallpageallzz--])： 4、 取得 分页链接正则([!--pageallzz--])：二、 上下页导航式 上下页导航式是分页采集的难点， 他须要所有页面都符合分页正则才行， 在不熟悉的情况下，我们可以用第 1 页和第 2 页的代码来进行对比剖析之后确定分页正则。

　　 1、 我们以“爱丽网内容分页()”为例： 可以看见这条新闻总共有 20 条分页。 2、 查看源代码： 这一页里不仅早已采集到的第 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 条分页并没有列下来， 这时候我们拿用第 1 页和第 2页的代码来进行对比剖析， 来确定分页正则: （1） 第 1 页代码：（2） 第 2 页代码： 从这两幅图片可以见到她们有着相同的“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、 为了便捷教程显示， 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下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下来的情况下我们使用“上下页导航式”。

　　 第二、 用全部列举式时，采集规则正确并且莫名其妙的出现重复的分页帝国cms采集分页教程， 这时可以借助替换法把它过滤掉（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究竟，这也是由于分页区域正则([!--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， 这一讲就到这儿， 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 原创， 转载请标明出处， 谢谢!