怎么去掉采集页面中的某个地址?[内详]

妖孽 · 发表于 2008-12-7 21:12:49

我准备采集个站,但是他的页面代码里做了防御
比如:
<td rowspan="4"><a target="_blank" href="http:[img]http://www.newyx.net/http://www.newyx.net/www.newyx.nethttp://www.newyx.net/imghttp://w ... .net/3821eb66_s.jpg[/img]"><img src="http:[img]http://www.newyx.net/http://www.newyx.net/www.newyx.nethttp://www.newyx.net/imghttp://www.newyx.net/3821eb66_s.jpg[/img]" width="168" height="120" http://www.newyx.net/><[url]http://www.newyx.net/a><http://www.newyx.net/td[/url]>
<http://www.newyx.net/tr>
以上这样的代码
我想去掉代码中的网址干扰"http://www.newyx.net"
请问怎么去掉页面代码中的这个地址?
标签里没排除某些代码的功能啊

火车头 · 发表于 2008-12-7 21:12:50

这个是软件的一个bug..

去掉这个标签的将相对地址替换为绝对地址~

rq204 · 发表于 2008-12-7 21:36:26

过滤不行吗?

妖孽 · 发表于 2008-12-7 21:47:45

过滤?内容排除?
内容排除的话不行

5949772 · 发表于 2008-12-9 00:42:21

你确定有干扰码码?
我测试了,怎么没有看到呀?

帐号		自动登录	找回密码
密码			加入会员