帝国cms网站采集内容分页教程

　　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、我们以下网站的内容分页为例：

　　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，这时可以借助替换法把它过滤掉（下一讲我们再说）。

　　第三、用上下页导航式时帝国cms采集分页教程，老是采到第1页帝国cms采集分页教程，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。