采集默认页网址的无任何关系多页链接
我不知道这样定义标题对不对,呵呵.因为论坛的教程偶还没看,也不知道有没有重复.(在教程区上传图片半天不成功,于是就先传到了朋友的空间连接过来,如果不行的话我晚点就去掉)事情起因:
my9011会员:
你好,帮忙我看看这个网站的分页怎么设置
你好,帮忙我看看这个网站的分页怎么设置,http://it.rising.com.cn/Channels/Anti_Virus/Upgrade_Report/2007-12-25/1198560262d44946.shtml想采集病毒摘要和技术细节
操作方法如下,有类型情况的朋友可以参考操作:
首先我们知道了 典型页面 :
http://it.rising.com.cn/Channels/Anti_Virus/Upgrade_Report/2007-12-25/1198560262d44946.shtml
采集内容规则--------添加标签----------------填入标签名称------点右上方的管理
http://www.xipoo.net/1.jpg
--------------------------------------------------------------------
http://www.xipoo.net/2.JPG
弹出一个添加同时采集页面--------在左边的空白列表处-------然后点右键选择重新添加--------填入页面名称--------选择默认页源代码内取得采集地址.
http://www.xipoo.net/3.JPG
添加开始字符串:<LI><A id=current href="#">病毒摘要</A>
<LI><A href="
添加结束字符串:">技术细节</A>
可以测试一下,点下方的测试得到多页地址--------填入当前病毒摘要地址-------点测试-------得到技术细节的地址--------保存.
http://www.xipoo.net/4.JPG
最后回到标签页面,对照技术细节页面的源代码,过滤出内容标签就可以了。
http://www.xipoo.net/5.JPG
[ 本帖最后由 沦陷今生 于 2008-1-20 00:14 编辑 ] 他这个采集是可以用分页方式来进行采集的,嘎嘎 题目不好,没有任何关系那就根本联系不到一块去。。:lol 学习中 学习完毕,已经明了 问题是 如果 http://it.rising.com.cn/Channels/Anti_Virus/Upgrade_Report/2007-12-25/1198560262d44946.shtml 上有多个符合条件的链接,该如何操作?
举例:
我现在的采集默认页面是:http://www.51wma.com/zhuanji/863.html
但我现在希望采集各个 专辑名称下的 专辑介绍 ,如何操作?按照上述方法只能采集到第一个专辑,而不是该歌手的专辑列表下的所有专辑,如何实现该功能呢?
我觉得解决该问题应该从如下几个方面入手:
1.深层采集。 目前火车头可以采集2级列表,但第2级如何使用,还无相关教程。也没有采集成功的案例(可能是我关注的太少)。
2.对于每1级别的采集都可以按照一定的规则修改其网页地址,如prar/3122.htm更换成price/3122.htm 或者页内采集。也就是楼主提及之功能。
3.对列表页面进行限制,防止无效采集,这就是一级页面下面用到的必须包含,不能包含和范围功能。 ali3ls以前都没这个功能,一直用分页 顶个没完
页:
[1]