自由编辑采集资料的格式，比原始网页的表现还美

Liner

原帖由 cjuser 于 2006-12-29 09:56 发表
排除掉<a (*)</a>这个连中间的关键词都排除掉啦，这样不好
例如<a href=/news/>新闻</a>这样就都排除了,还是用正则替换后剩下 “新闻” 这样比较好。

说得不错，需要灵活处理。

原帖由 abbba 于 2007-1-3 09:56 发表
如果想在多少字节处加入分页符号吗？当然加入的地方必须是</p>符号，这样才不会搞坏格式，应该怎么办呢？

不太清楚你的问题。
只要想分页的地方可以被表示出来，就可以用正则处理的。
按"字节"划分的话，会有编码码长的问题

abbba

这个是个常见问题啊！
我是用帝国的，帝国编辑器有个功能就是自动插入分页符，但是它插入的方式是每隔10000字节插入一个分页符，但是注意的是，这样插入就有可能插入到代码当中，就会形成乱码！

我咨询过帝国这个问题，但是未能解决！

也是就是如果我想插入分页符，但是这个分页符不能插入到代码当中，

比如说不能插入到<br>当中，也就是<br[分页]>

这样肯定就会形成乱码了！当然最好的是插入到</p>后面，那就是正好是一页！

原帖由 Liner 于 2007-1-4 20:41 发表


说得不错，需要灵活处理。



不太清楚你的问题。
只要想分页的地方可以被表示出来，就可以用正则处理的。
按"字节"划分的话，会有编码码长的问题

Liner

没用过帝国，
>>每隔10000字节插入一个分页符
凭直觉，这样的设计可能是针对有效文字内容的吧
不可以手动分页么

abbba

原帖由 Liner 于 2007-1-5 15:17 发表
没用过帝国，
>>每隔10000字节插入一个分页符
凭直觉，这样的设计可能是针对有效文字内容的吧
不可以手动分页么

帝国是按字节算的,不分代码与文字,所以出现乱码的机率很高,手动分页太麻烦了!关键原来是采集的,而采集目标没有分页啊!