有奖征集难采网站（只会采还没学会发）

faunus

原帖由 1860com 于 2008-10-22 06:18 发表
http://user.qzone.qq.com/622005722/blog

qq博客这个有办法采集吗,绝对高难度,特别是列表,看看你有没有办法,我是败下阵了
bai-du-cn@qq.com

需要公开的话，我在这里讲一下。
不能公开的话，你留个QQ下来。

不是很难，但是很烦。

bxfa

留名等待讲解。 。新手学习中。

faunus

原帖由 sanny 于 2008-10-22 07:19 发表
我发一个，，火车头还没实现的，你能采吗？

http://www.baidu.com/s?wd=%BB%F0%B3%B5%CD%B7

标题就是列表的标题，内容是快照里的内容。你采采。。

不好意思，这个没有什么难度，
也许是没有弄明白你的意思吧，
细节处理就不搞了。。。

顺例说一下，
如果要把标题和内容整在一起，
可以用多页等方法来实现

[ 本帖最后由 faunus 于 2008-10-28 16:56 编辑 ]

faunus

原帖由 冲锋火车头 于 2008-10-22 10:13 发表
http://www.mtime.com/showtime/China_Beijing_Chaoyang/1474/
采时间 ！及时间链接里的票价

这个我粗看了一下，肯定能做，
只是跟火车的软件没有什么大的关系，
加入了很多混淆码，
而且做的很巧妙，
在每个字符前，
加一个DIV标识，
规律性还是有的。
-------------------
跟火车关系不大，
所有相关页面都可以下来，
是要把时间花在看JS，
然后呢正规则表达式用用好，
不打算在这个上面花时间了。

84542649

老师请教了
看到个这个地址http://www.gz028.com/cd_2s.asp?cd2s=1&p=2&/=1&//=&jie=
http://www.gz028.com/cd_2s.asp?cd2s=1&p=3&/=1&//=&jie=
http://www.gz028.com/cd_2s.asp?cd2s=1&p=4&/=1&//=&jie=
这个是分页的地址
获得分页的源码内
..
<a class=nei href=b/20081027221947.html target=_blank>
...
b/20081027221947.html  这就是我需要的地址

不过火车整理出来的地址变成了
http://www.gz028.com/cd_2s.asp?cd2s=1&p=1&/=1/b/20081028112122.html

正确地址应该是
http://www.gz028.com/b/20081028112122.html

这种情况怎么办?



我的规则目前是这样的

http://www.gz028.com/cd_2s.asp?cd2s=1&p=(*)&/=1


必须包含的地址是
cd_2s.asp?cd2s=1&p=(*)&/=1/b/200810(*).html

[ 本帖最后由 84542649 于 2008-10-28 17:15 编辑 ]

沦陷今生

支持一下楼主

sanny

原帖由 faunus 于 2008-10-28 16:42 发表


不好意思，这个没有什么难度，
也许是没有弄明白你的意思吧，
细节处理就不搞了。。。

顺例说一下，
如果要把标题和内容整在一起，
可以用多页等方法来实现

你没明白我的意思。。标题你都没循环，还有内容也是要循环的。
另外你写好后可以把规则传上来，我就可以确定你理解我的意思没。

vus520

chenfy

帮我弄一下这个，要能采到内容。我试了太久了。
　　　　http://ypk.39.net/yaopin/jrzt/fstt/xiyao-1.shtml,这个是列表，采集目标是里面的详细说明书。里面的说明都要。
　　弄了大半天，方法试过N多种，就是没有一种能成功。
　  说明：试过多页采集，试过二级网址采集，试过正则，试过只采集说明网址然后再专采集说明网址的内容
　　在在规则里测试都没有问题，不管是多页还是二级还是正则都没有问题，可是，在采集网址和内容到发布的时候却出了问题，只能采集到网址，采集内容的时候却什么都没有。如果只是说明网址直接采，没有经过设置的，能采集，但只要一截内容后采集就出了问题，能采集到内容，但放到数据库的时候出问题，看看这个谁能采集？
　　还有一个，就是采集这个网站感觉电脑变慢了。。

faunus

原帖由 84542649 于 2008-10-28 17:09 发表
老师请教了
看到个这个地址http://www.gz028.com/cd_2s.asp?cd2s=1&amp;p=2&/=1&//=&jie=
http://www.gz028.com/cd_2s.asp?cd2s=1&p=3&/=1&//=&jie=
http://www.gz028.com/cd_2s.asp?cd2s=1&p=4&/=1&//=&jie=
这个是 ...

时间就是生命，看看啊是你要的。
好像就是自定义链接了。