上一讲我们介绍了此子久行要些获帝国cms采集基本流程，那么我们这一讲介绍帝国cms如何采集内容由我官分页。不少的同学在采集过程中，列表页和内容页都能可以很较范掉科传好地设定正则，但往往失败在内容分页正则上，主要是对内容分页正则不了解。帝国的内容分页形式有两种：(1)全部列花南助何讲装坚志候功和出式(2)上下页导航式，但是这两种内容分页形式有什么区别，采集内容分页时该用哪种，官方说得比较模糊，对此有些同学感到很头大，好的，我们先看下例子：
一、全部列出式
全部列表式只需看第一页的页面HTML代码，这一页的所有分页链接都列出来了。
1、我们以“中华网内容分页()”为例：
可以看到这条新闻总共有3条分页。
2、查看源代码：
这一页里除了已经采集到的第1条分页外，还包括了第2条和第3条分页神流升坚，所有的分页都列出来了。
3、取得 分页区域正则([!--smallpageallz继z--])：
4、取得 分页链接正则([!--pageallzz--])械初口儿期：
二、上下页导航听运坚吃宜式
上下页导航式是分页采集的难点，他需要所有页面都符合分页正则才行，在不熟悉的情况下，我们可以用第1页和第2页上怎宗流的代码来进行对比分析然后确定力专界刻怎属力轮伤雨分页正则。
1、损色企达整十错掌系我们以下网站的内容分页为例：
可以看到这条新闻总共有20条分页。
2、查看源代码：
这一页里除了已经采集到的第1条分页外，还包括了第2，第3，第4，第5，第6，第7，第8，第20条分页，但是第9到第19条分页并没有列出来，这时候我们拿用第1页和第2页的代码来进行对比分析，来确定分页正则：
(1)第1页代码：
(2)第2页代码：
从这两幅图片可以看到他们有着相同的“分页区域开始代码”，“分页链接”格式，“分页区域结束代码”，那么就可以确定“分页区域正则”，“分页链接正则”。
3、取得 分页区域正则([!易占分跳团伤古题缩土剂--smallp良武场则沙ageallzz--])：
4、取得 分页链接正则([!--pageallzz--])：
5、为了方便教程显示，newst令杆父ext我采集了标题而不是采集内容，预览结果：
注植意事项：
第一、在第一页的页面HTML代码里，内容分页链接全部列出来的情况下我们使用“全部列出式”。在第一页的页面HTML代码里，内容分页链接没有全部列出来的情况下我们使用“上下页导航式”。
失剂级务坏科价振久 第二、用全部列出式时，采集规则正确但是莫名其妙的出现重复的分页，这时可以利用替换法把它过滤掉(下一讲我们再说)。
第三、用上下页导航式时，老是采到第1页，其他页连个影子都没有见过，这是因为分页区域正则([!--smallpagezz--])截取错误。
第四、用上下页导航式时，可以采集到前几页了，但是接下来这前几页全部重复循环到底，这也是因为分页区域正则([!--smallpagezz--])截取错误，截取范围过大，导致重复截取前几个分页链接。
好的，这一讲就到这里，下一讲我们主要介绍帝国cms采集过滤和替换。
本文由 国外网站大全/ 原创，转载请注明出处，谢谢!
标签： 帝国cms教程
