一个很多高手（包括barfj）都回避的采集分页问题

longqu

看过了一些大哥的教程,有个问题都在回避


就是采集一系列地址的时候，有个地址没有分页，但是同一个列表中下个内容地址页有分页，这个时候就出错误

  这是这个站http://www.barfj.com  站长，版上朋友 史巴托的腹肌的教程这样写：

采到2级网址  18个  搞定了  
  然后就是测试  规则对这个内容能不能用  很明显 这个可以用di   
ok  保存任务
采集测试下
唉 不给面子  
看的我心痒痒  


现在基本差不多 剩下的就是改规则 使他可以用在每个页面上  这个我就不说了  

用了个不多说了，回避了问题。

还有就是火车教程的news.qq.com/shengyin.htm这页的采集，也有这个问题，广告过滤不了，内容页第一页有广告，第2页没有这样的都过滤不了。


望真正的高手出来解释！

[ 本帖最后由 longqu 于 2007-8-16 16:22 编辑 ]

longqu

难道没人遇到这个问题？

kaohoo

还有就是火车教程的news.qq.com/shengyin.htm这页的采集，也有这个问题，广告过滤不了，内容页第一页有广告，第2页没有这样的都过滤不了。

回答：
特别是一些大网站，CSS些的都很详细。认真研究，就能找出规律了。news.qq.com/shengyin.htm

1. 
   
2. <div id="Reading">腾讯的广告</div>
   

复制代码

只要过滤上面的就行了。我给你测试过了，可以的。任务导给你。

我只采集了标题和内容（包括分页内容），作者、出处、时间 你根据自己的要求修改。

longqu

:victory: ,巨强！！！由衷的说声佩服！

但是，我不懂的是，广告过滤，我从<table width="270" 开始到  </table>
</div><!--/link-->

为什么就不能成功呢？而从<!--link-->(*)<!--/link-->就能成功呢？这个原理是什么

winslow

多试下