亚洲av成人无遮挡网站在线观看,少妇性bbb搡bbb爽爽爽,亚洲av日韩精品久久久久久,兔费看少妇性l交大片免费,无码少妇一区二区三区

<dfn id="jptyu"></dfn>

Chinaunix

標(biāo)題: [正則]請問采集如何識別用戶標(biāo)簽的呢? [打印本頁]

作者: diychen 時(shí)間: 2005-11-26 18:17
標(biāo)題: [正則]請問采集如何識別用戶標(biāo)簽的呢?

<?
$body = "()
href='/01/22/394142.htm' target=_blank
>哲理小品：偷不走的陽光</";
$rules = "/href=\'(.+?)\' target=_blank
>(.+?)<\//is";
preg_match($rules, $body, $URL);
echo $URL[1] .'和'. $URL[2];
?>

復(fù)制代碼

喬喬老大,幫幫忙~~

ps:怕挨刪帖,反復(fù)多次修改了帖子標(biāo)題,從行動(dòng)上堅(jiān)決支持喬喬,老大經(jīng)常在MSN上給我提供幫助,呵呵.

[ 本帖最后由 diychen 于 2005-11-26 21:40 編輯 ]

作者: trask 時(shí)間: 2005-11-26 20:18
這是我現(xiàn)在所用的。

<?php
$str ='<a href=\'/01/22/394142.htm\' target=_blank>哲理小品：偷不走的陽光</a>';
/* 超鏈接標(biāo)題 */
preg_match_all( "/>(.*?)<\/a>/i", $str, $hreft );
/* 超鏈接內(nèi)容 */
preg_match_all( "/href=(\"|'|)(.*?)(\"|'|)[[:space:]]/i", $str, $hrefc );
$strResult[1] = $hreft[1][0];
$strResult[2] = $hrefc[2][0];
echo '<pre>';
print_r($strResult);
echo '</pre>';
?>

復(fù)制代碼

輸出:

Array
(
[1] => 哲理小品：偷不走的陽光
[2] => /01/22/394142.htm
)

復(fù)制代碼

作者: diychen 時(shí)間: 2005-11-26 21:24
謝謝樓上的兄弟,你是不是開花石頭啊?

我修改了我的PHP代碼如下通過:

<?
$body = "()
href='/01/22/394142.htm' target=_blank
>哲理小品：偷不走的陽光</";
$rules = "/href=\'(.+?)\'/";
preg_match($rules, $body, $URL);
$rules = "/>(.+?)</";
preg_match($rules, $body, $TITLE);
echo $TITLE[1] .'和'. $URL[1];
?>

復(fù)制代碼

作者: trask 時(shí)間: 2005-11-26 21:29
我不是石頭，這是石頭逆向發(fā)布中摘取的。

作者: diychen 時(shí)間: 2005-11-26 21:38
對了,那就順便再問個(gè)問題,
大家注意到很多采集程序可以讓用戶填寫[內(nèi)容][標(biāo)題]等標(biāo)簽.
但程序是怎么樣判斷到底采回來的內(nèi)容是什么的呢?
因?yàn)槲覀兤鋵?shí)最終都會(huì)幫用戶將這些表達(dá)式翻譯成正則,
如果我這樣寫:
<a href=[地址]>[標(biāo)題]</a>
當(dāng)然程序可以直接翻譯成正則,因?yàn)楹苊黠@
preg_match后,第一個(gè)元素是地址,第二個(gè)是標(biāo)題.
于是就$url = $Data[1];
$title = $Data[2];
但是假如是有這樣的內(nèi)容,我想做采集,用戶使用了[可變數(shù)據(jù)]標(biāo)簽,那我們的程序如何獲得呢?
HTML內(nèi)容是:
<a href=/society.html>(社會(huì))</a><a href=fdsfa87fdss8d7f9sa8.html>第一條標(biāo)題</a>
<a href=/tech.html>(科技)</a><a href=fdsfa87fd87fd65of9h.html>第二條標(biāo)題</a>
那么用戶就必須這樣寫采集規(guī)則:
<a href=/[可變數(shù)據(jù)]>([可變數(shù)據(jù)])</a><a href=[地址]>[標(biāo)題]</a>
那我們的程序這時(shí)候如何識別,獲得地址和標(biāo)題?

ps:喬喬如果覺得這個(gè)屬于新的話題我就另開個(gè)新主題好了.

作者: trask 時(shí)間: 2005-11-26 22:01
你可以安裝一下石頭的逆向發(fā)布來看一看。

留意php采集也好久了，眾多人普遍看法是如果要做成通用型式，還有點(diǎn)困難。大多是具體情況具體分析。你可以酌情為你不同的用戶考慮不同“采集規(guī)則”，盡量別提供什么可變數(shù)據(jù)。網(wǎng)頁內(nèi)容千差萬錯(cuò)。要客戶在“可變”使用上遇到錯(cuò)誤，就說你程序不爽。

考慮使用石頭的流程：
先采集列表頁（切取首尾不需要的內(nèi)容，大多是站點(diǎn)欄目連接、廣告之類）入庫---->根據(jù)入庫的列表數(shù)據(jù)，選擇是否抓�。ㄌ崛×斜碇械牡刂�，讀取遠(yuǎn)端網(wǎng)頁內(nèi)容，然后切取主要內(nèi)容<標(biāo)題、正文>）。

這中間都有切取首尾操作，大可向用戶解釋清楚，在所切取內(nèi)容時(shí)的選取“首”“尾”標(biāo)記，一定要是該標(biāo)記在所抓網(wǎng)頁中唯一出現(xiàn)的，這樣的準(zhǔn)確度也高一些。

昨晚我也忙了一宿，主要是src=的路徑修正。這個(gè)標(biāo)簽參數(shù)在img、js、swf中經(jīng)常使用，也夠煩人的。好些網(wǎng)頁并不按標(biāo)準(zhǔn)來寫（如src="(雙引)" src='單引'），較為煩人的是還有比如<img name="id" src=/>這樣的。

作者: diychen 時(shí)間: 2005-11-26 22:56
呵呵,挺難的.

作者: HonestQiao 時(shí)間: 2005-11-27 14:55
http://www.72891.cn/viewthread.php?tid=642112

這個(gè)基本非常好用了。

歡迎光臨 Chinaunix (http://www.72891.cn/)