正則
帝國CMS采集教程:帝國cms采集內容分頁(yè)教程
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 426 次瀏覽 ? 2020-07-22 08:01
Webjx.Com提示：那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些
相關(guān)文章：帝國cms采集功能:采集新浪各地新聞欄目?jì)热?br /> 那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”帝國cms采集分頁(yè)教程，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟帝國cms采集分頁(yè)教程，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。 查看全部
相關(guān)文章：帝國cms采集功能:采集新浪各地新聞欄目?jì)热?br /> 那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”帝國cms采集分頁(yè)教程，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟帝國cms采集分頁(yè)教程，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。 查看全部
Webjx.Com提示：那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些
相關(guān)文章：帝國cms采集功能:采集新浪各地新聞欄目?jì)热?br /> 那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”帝國cms采集分頁(yè)教程，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟帝國cms采集分頁(yè)教程，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。
相關(guān)文章：帝國cms采集功能:采集新浪各地新聞欄目?jì)热?br /> 那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”帝國cms采集分頁(yè)教程，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟帝國cms采集分頁(yè)教程，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。
帝國cms網(wǎng)站采集內容分頁(yè)教程
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 500 次瀏覽 ? 2020-07-22 08:00
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)帝國cms采集分頁(yè)教程，老是采到第1頁(yè)帝國cms采集分頁(yè)教程，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。 查看全部
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)帝國cms采集分頁(yè)教程，老是采到第1頁(yè)帝國cms采集分頁(yè)教程，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
帝國cms采集圖文教程（中）
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 425 次瀏覽 ? 2020-07-21 08:03
帝國 cms 采集圖文教程（中） 上一講我們介紹了帝國 cms 采集基本流程帝國cms采集分頁(yè)教程， 那么我們這一講介紹帝國 cms 如何采集內容分頁(yè)。 不少的朋友在采集過(guò)程中， 列表頁(yè)和內容頁(yè)都能可以挺好地設定正則， 但常常失敗在內容分頁(yè)正則上， 主要是對內容分頁(yè)正則不了解。 帝國的內容分頁(yè)方式有兩種：（1） 全部列出式（2） 上下頁(yè)導航式， 但是這兩種內容分頁(yè)方式有哪些區別， 采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊， 對此有些朋友倍感太頭大， 好的， 我們先看下事例： 一、 全部列出式 全部列表式只需看第一頁(yè)的頁(yè)面 HTML 代碼， 這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。 1、我們以“中華網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 3 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2 條和第 3 條分頁(yè)， 所有的分頁(yè)都列下來(lái)了。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：二、 上下頁(yè)導航式 上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)， 他須要所有頁(yè)面都符合分頁(yè)正則才行， 在不熟悉的情況下，我們可以用第 1 頁(yè)和第 2 頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、 我們以“愛(ài)麗網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 20 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2， 第 3， 第 4， 第 5， 第 6， 第 7，第 8， 第 20 條分頁(yè)， 但是第 9 到第 19 條分頁(yè)并沒(méi)有列下來(lái)， 這時(shí)候我們拿用第 1 頁(yè)和第 2頁(yè)的代碼來(lái)進(jìn)行對比剖析， 來(lái)確定分頁(yè)正則: （1） 第 1 頁(yè)代碼：（2） 第 2 頁(yè)代碼： 從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”， “分頁(yè)鏈接”格式， “分頁(yè)區域結束代碼”,那么就可以確定“分頁(yè)區域正則”， “分頁(yè)鏈接正則”。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：5、 為了便捷教程顯示， newstext 我采集了標題而不是采集內容， 預覽結果： 注意事項： 第一、 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、 用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)帝國cms采集分頁(yè)教程， 這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。 第三、 用上下頁(yè)導航式時(shí)， 老是采到第 1 頁(yè)， 其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)， 這是因為分頁(yè)區域正則([!--smallpagezz--])截取錯誤。 第四、 用上下頁(yè)導航式時(shí)， 可以采集到前幾頁(yè)了 ， 但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則([!--smallpagezz--])截取錯誤， 截取范圍過(guò)大， 導致重復截取前幾個(gè)分頁(yè)鏈接。 好的， 這一講就到這兒， 下一講我們主要介紹帝國 cms 采集過(guò)濾和替換。 本文由 國外網(wǎng)站大全 原創(chuàng )， 轉載請標明出處， 謝謝! 查看全部
1、 我們以“愛(ài)麗網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 20 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2， 第 3， 第 4， 第 5， 第 6， 第 7，第 8， 第 20 條分頁(yè)， 但是第 9 到第 19 條分頁(yè)并沒(méi)有列下來(lái)， 這時(shí)候我們拿用第 1 頁(yè)和第 2頁(yè)的代碼來(lái)進(jìn)行對比剖析， 來(lái)確定分頁(yè)正則: （1） 第 1 頁(yè)代碼：（2） 第 2 頁(yè)代碼： 從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”， “分頁(yè)鏈接”格式， “分頁(yè)區域結束代碼”,那么就可以確定“分頁(yè)區域正則”， “分頁(yè)鏈接正則”。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：5、 為了便捷教程顯示， newstext 我采集了標題而不是采集內容， 預覽結果： 注意事項： 第一、 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、 用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)帝國cms采集分頁(yè)教程， 這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。 第三、 用上下頁(yè)導航式時(shí)， 老是采到第 1 頁(yè)， 其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)， 這是因為分頁(yè)區域正則([!--smallpagezz--])截取錯誤。 第四、 用上下頁(yè)導航式時(shí)， 可以采集到前幾頁(yè)了 ， 但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則([!--smallpagezz--])截取錯誤， 截取范圍過(guò)大， 導致重復截取前幾個(gè)分頁(yè)鏈接。 好的， 這一講就到這兒， 下一講我們主要介紹帝國 cms 采集過(guò)濾和替換。 本文由 國外網(wǎng)站大全 原創(chuàng )， 轉載請標明出處， 謝謝! 查看全部
帝國 cms 采集圖文教程（中） 上一講我們介紹了帝國 cms 采集基本流程帝國cms采集分頁(yè)教程， 那么我們這一講介紹帝國 cms 如何采集內容分頁(yè)。 不少的朋友在采集過(guò)程中， 列表頁(yè)和內容頁(yè)都能可以挺好地設定正則， 但常常失敗在內容分頁(yè)正則上， 主要是對內容分頁(yè)正則不了解。 帝國的內容分頁(yè)方式有兩種：（1） 全部列出式（2） 上下頁(yè)導航式， 但是這兩種內容分頁(yè)方式有哪些區別， 采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊， 對此有些朋友倍感太頭大， 好的， 我們先看下事例： 一、 全部列出式 全部列表式只需看第一頁(yè)的頁(yè)面 HTML 代碼， 這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。 1、我們以“中華網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 3 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2 條和第 3 條分頁(yè)， 所有的分頁(yè)都列下來(lái)了。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：二、 上下頁(yè)導航式 上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)， 他須要所有頁(yè)面都符合分頁(yè)正則才行， 在不熟悉的情況下，我們可以用第 1 頁(yè)和第 2 頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、 我們以“愛(ài)麗網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 20 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2， 第 3， 第 4， 第 5， 第 6， 第 7，第 8， 第 20 條分頁(yè)， 但是第 9 到第 19 條分頁(yè)并沒(méi)有列下來(lái)， 這時(shí)候我們拿用第 1 頁(yè)和第 2頁(yè)的代碼來(lái)進(jìn)行對比剖析， 來(lái)確定分頁(yè)正則: （1） 第 1 頁(yè)代碼：（2） 第 2 頁(yè)代碼： 從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”， “分頁(yè)鏈接”格式， “分頁(yè)區域結束代碼”,那么就可以確定“分頁(yè)區域正則”， “分頁(yè)鏈接正則”。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：5、 為了便捷教程顯示， newstext 我采集了標題而不是采集內容， 預覽結果： 注意事項： 第一、 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、 用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)帝國cms采集分頁(yè)教程， 這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。 第三、 用上下頁(yè)導航式時(shí)， 老是采到第 1 頁(yè)， 其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)， 這是因為分頁(yè)區域正則([!--smallpagezz--])截取錯誤。 第四、 用上下頁(yè)導航式時(shí)， 可以采集到前幾頁(yè)了 ， 但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則([!--smallpagezz--])截取錯誤， 截取范圍過(guò)大， 導致重復截取前幾個(gè)分頁(yè)鏈接。 好的， 這一講就到這兒， 下一講我們主要介紹帝國 cms 采集過(guò)濾和替換。 本文由 國外網(wǎng)站大全 原創(chuàng )， 轉載請標明出處， 謝謝!
1、 我們以“愛(ài)麗網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 20 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2， 第 3， 第 4， 第 5， 第 6， 第 7，第 8， 第 20 條分頁(yè)， 但是第 9 到第 19 條分頁(yè)并沒(méi)有列下來(lái)， 這時(shí)候我們拿用第 1 頁(yè)和第 2頁(yè)的代碼來(lái)進(jìn)行對比剖析， 來(lái)確定分頁(yè)正則: （1） 第 1 頁(yè)代碼：（2） 第 2 頁(yè)代碼： 從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”， “分頁(yè)鏈接”格式， “分頁(yè)區域結束代碼”,那么就可以確定“分頁(yè)區域正則”， “分頁(yè)鏈接正則”。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：5、 為了便捷教程顯示， newstext 我采集了標題而不是采集內容， 預覽結果： 注意事項： 第一、 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、 用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)帝國cms采集分頁(yè)教程， 這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。 第三、 用上下頁(yè)導航式時(shí)， 老是采到第 1 頁(yè)， 其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)， 這是因為分頁(yè)區域正則([!--smallpagezz--])截取錯誤。 第四、 用上下頁(yè)導航式時(shí)， 可以采集到前幾頁(yè)了 ， 但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則([!--smallpagezz--])截取錯誤， 截取范圍過(guò)大， 導致重復截取前幾個(gè)分頁(yè)鏈接。 好的， 這一講就到這兒， 下一講我們主要介紹帝國 cms 采集過(guò)濾和替換。 本文由 國外網(wǎng)站大全 原創(chuàng )， 轉載請標明出處， 謝謝!
帝國cms采集教程二：如何采集內容分頁(yè)
站長(cháng)必讀 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 513 次瀏覽 ? 2020-07-20 08:05
上一講我們介紹了帝國cms采集基本流程，那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)帝國cms采集分頁(yè)教程，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示帝國cms采集分頁(yè)教程，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。 查看全部
上一講我們介紹了帝國cms采集基本流程，那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)帝國cms采集分頁(yè)教程，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示帝國cms采集分頁(yè)教程，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。
火車(chē)頭網(wǎng)頁(yè)正則提取電話(huà) – 火車(chē)頭正則采集電話(huà)
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 727 次瀏覽 ? 2020-05-25 08:01
話(huà)說(shuō)好長(cháng)時(shí)間不用火車(chē)頭了。都有點(diǎn)蒙逼忘了。記得曾經(jīng)用火車(chē)頭采集論壇做垃圾文章網(wǎng)站，都多少年前的事情了，如今須要采集一些手機號，想想懶得寫(xiě)PHP，有現成的工具為何不用對吧，沒(méi)毛病。
分分鐘搞定，咱們先熟悉一下火車(chē)頭的規則。
(?<content>[\s\S]*?)
Content //代表內容
? //表示匹配0次或則1次
\s //匹配所有空白字符
\S //匹配所有非空白字符
* //修飾匹配次數為 0 次或任意次
火車(chē)頭采集手機號的正則：(?<content>1[34578]{1}[0-9]{9})
火車(chē)頭采集郵箱的正則：(?<content>[\w\-\.]+@[\w\-\.]+\.\w+)
--------------------下方是正則表達式說(shuō)明。-----------------------
表1.常用的元字符代碼說(shuō)明
. 匹配除換行符以外的任意字符
\w 匹配字母或數字或頓號或漢字
\s 匹配任意的空白符
\d 匹配數字
\b 匹配詞組的開(kāi)始或結束
^ 匹配字符串的開(kāi)始$匹配字符串的結束
表2.常用的限定符代碼/語(yǔ)法說(shuō)明
* 重復零次或更多次
+ 重復一次或更多次
? 重復零次或一次
{n} 重復n次
{n,} 重復n次或更多次
{n,m} 重復n到m次
表3.常用的反義代碼代碼/語(yǔ)法說(shuō)明
\W 匹配任意不是字母，數字，下劃線(xiàn)，漢字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非數字的字符
\B 匹配不是詞組開(kāi)頭或結束的位置
[^x] 匹配不僅x以外的任意字符
[^aeiou] 匹配不僅aeiou這幾個(gè)字母以外的任意字符
常用分組句型
表5.懶惰限定符代碼/語(yǔ)法說(shuō)明
*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復
表7.尚未詳盡討論的句型代碼/語(yǔ)法說(shuō)明
\a 報案字符(打印它的療效是筆記本嘀一聲)
\b 一般是詞組分界位置，但若果在字符類(lèi)里使用代表退格
\t 制表符火車(chē)采集器 手機正則表達式，Tab
\r 回車(chē)
\v 豎向制表符
\f 換頁(yè)符
\n 換行符
\e Escape
\0nn ASCII代碼中八進(jìn)制代碼為nn的字符
\xnn ASCII代碼中十六進(jìn)制代碼為nn的字符
\unnnn Unicode代碼中十六進(jìn)制代碼為nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串開(kāi)頭(類(lèi)似^，但不受處理多行選項的影響)
\Z 字符串結尾或行尾(不受處理多行選項的影響)
\z 字符串結尾(類(lèi)似$火車(chē)采集器 手機正則表達式，但不受處理多行選項的影響)
\G 當前搜索的開(kāi)頭
\p{name} Unicode中命名為name的字符類(lèi)，例如\p{IsGreek}
(?>exp) 貪婪子表達式(?<x>-<y>exp)平衡組
(?im-nsx:exp) 在子表達式exp中改變處理選項
(?im-nsx) 為表達式旁邊的部份改變處理選項
(?(exp)yes|no) 把exp當成零寬正向先行斷定，如果在這個(gè)位置能匹配，使用yes作為此組的表達式；否則使用no(?(exp)yes)同上，只是使用空表達式作為no
(?(name)yes|no) 假如命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no
(?(name)yes) 同上，只是使用空表達式作為no 查看全部
分分鐘搞定，咱們先熟悉一下火車(chē)頭的規則。
(?<content>[\s\S]*?)
Content //代表內容
? //表示匹配0次或則1次
\s //匹配所有空白字符
\S //匹配所有非空白字符
* //修飾匹配次數為 0 次或任意次
火車(chē)頭采集手機號的正則：(?<content>1[34578]{1}[0-9]{9})
火車(chē)頭采集郵箱的正則：(?<content>[\w\-\.]+@[\w\-\.]+\.\w+)
--------------------下方是正則表達式說(shuō)明。-----------------------
表1.常用的元字符代碼說(shuō)明
. 匹配除換行符以外的任意字符
\w 匹配字母或數字或頓號或漢字
\s 匹配任意的空白符
\d 匹配數字
\b 匹配詞組的開(kāi)始或結束
^ 匹配字符串的開(kāi)始$匹配字符串的結束
表2.常用的限定符代碼/語(yǔ)法說(shuō)明
* 重復零次或更多次
+ 重復一次或更多次
? 重復零次或一次
{n} 重復n次
{n,} 重復n次或更多次
{n,m} 重復n到m次
表3.常用的反義代碼代碼/語(yǔ)法說(shuō)明
\W 匹配任意不是字母，數字，下劃線(xiàn)，漢字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非數字的字符
\B 匹配不是詞組開(kāi)頭或結束的位置
[^x] 匹配不僅x以外的任意字符
[^aeiou] 匹配不僅aeiou這幾個(gè)字母以外的任意字符
常用分組句型
表5.懶惰限定符代碼/語(yǔ)法說(shuō)明
*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復
表7.尚未詳盡討論的句型代碼/語(yǔ)法說(shuō)明
\a 報案字符(打印它的療效是筆記本嘀一聲)
\b 一般是詞組分界位置，但若果在字符類(lèi)里使用代表退格
\t 制表符火車(chē)采集器 手機正則表達式，Tab
\r 回車(chē)
\v 豎向制表符
\f 換頁(yè)符
\n 換行符
\e Escape
\0nn ASCII代碼中八進(jìn)制代碼為nn的字符
\xnn ASCII代碼中十六進(jìn)制代碼為nn的字符
\unnnn Unicode代碼中十六進(jìn)制代碼為nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串開(kāi)頭(類(lèi)似^，但不受處理多行選項的影響)
\Z 字符串結尾或行尾(不受處理多行選項的影響)
\z 字符串結尾(類(lèi)似$火車(chē)采集器 手機正則表達式，但不受處理多行選項的影響)
\G 當前搜索的開(kāi)頭
\p{name} Unicode中命名為name的字符類(lèi)，例如\p{IsGreek}
(?>exp) 貪婪子表達式(?<x>-<y>exp)平衡組
(?im-nsx:exp) 在子表達式exp中改變處理選項
(?im-nsx) 為表達式旁邊的部份改變處理選項
(?(exp)yes|no) 把exp當成零寬正向先行斷定，如果在這個(gè)位置能匹配，使用yes作為此組的表達式；否則使用no(?(exp)yes)同上，只是使用空表達式作為no
(?(name)yes|no) 假如命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no
(?(name)yes) 同上，只是使用空表達式作為no 查看全部
話(huà)說(shuō)好長(cháng)時(shí)間不用火車(chē)頭了。都有點(diǎn)蒙逼忘了。記得曾經(jīng)用火車(chē)頭采集論壇做垃圾文章網(wǎng)站，都多少年前的事情了，如今須要采集一些手機號，想想懶得寫(xiě)PHP，有現成的工具為何不用對吧，沒(méi)毛病。
分分鐘搞定，咱們先熟悉一下火車(chē)頭的規則。
(?<content>[\s\S]*?)
Content //代表內容
? //表示匹配0次或則1次
\s //匹配所有空白字符
\S //匹配所有非空白字符
* //修飾匹配次數為 0 次或任意次
火車(chē)頭采集手機號的正則：(?<content>1[34578]{1}[0-9]{9})
火車(chē)頭采集郵箱的正則：(?<content>[\w\-\.]+@[\w\-\.]+\.\w+)
--------------------下方是正則表達式說(shuō)明。-----------------------
表1.常用的元字符代碼說(shuō)明
. 匹配除換行符以外的任意字符
\w 匹配字母或數字或頓號或漢字
\s 匹配任意的空白符
\d 匹配數字
\b 匹配詞組的開(kāi)始或結束
^ 匹配字符串的開(kāi)始$匹配字符串的結束
表2.常用的限定符代碼/語(yǔ)法說(shuō)明
* 重復零次或更多次
+ 重復一次或更多次
? 重復零次或一次
{n} 重復n次
{n,} 重復n次或更多次
{n,m} 重復n到m次
表3.常用的反義代碼代碼/語(yǔ)法說(shuō)明
\W 匹配任意不是字母，數字，下劃線(xiàn)，漢字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非數字的字符
\B 匹配不是詞組開(kāi)頭或結束的位置
[^x] 匹配不僅x以外的任意字符
[^aeiou] 匹配不僅aeiou這幾個(gè)字母以外的任意字符
常用分組句型
表5.懶惰限定符代碼/語(yǔ)法說(shuō)明
*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復
表7.尚未詳盡討論的句型代碼/語(yǔ)法說(shuō)明
\a 報案字符(打印它的療效是筆記本嘀一聲)
\b 一般是詞組分界位置，但若果在字符類(lèi)里使用代表退格
\t 制表符火車(chē)采集器 手機正則表達式，Tab
\r 回車(chē)
\v 豎向制表符
\f 換頁(yè)符
\n 換行符
\e Escape
\0nn ASCII代碼中八進(jìn)制代碼為nn的字符
\xnn ASCII代碼中十六進(jìn)制代碼為nn的字符
\unnnn Unicode代碼中十六進(jìn)制代碼為nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串開(kāi)頭(類(lèi)似^，但不受處理多行選項的影響)
\Z 字符串結尾或行尾(不受處理多行選項的影響)
\z 字符串結尾(類(lèi)似$火車(chē)采集器 手機正則表達式，但不受處理多行選項的影響)
\G 當前搜索的開(kāi)頭
\p{name} Unicode中命名為name的字符類(lèi)，例如\p{IsGreek}
(?>exp) 貪婪子表達式(?<x>-<y>exp)平衡組
(?im-nsx:exp) 在子表達式exp中改變處理選項
(?im-nsx) 為表達式旁邊的部份改變處理選項
(?(exp)yes|no) 把exp當成零寬正向先行斷定，如果在這個(gè)位置能匹配，使用yes作為此組的表達式；否則使用no(?(exp)yes)同上，只是使用空表達式作為no
(?(name)yes|no) 假如命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no
(?(name)yes) 同上，只是使用空表達式作為no
火車(chē)采集器系列教程 之 使用正則采集鏈接
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 752 次瀏覽 ? 2020-05-15 08:01
火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 先來(lái)瞧瞧這段加密后代碼 <a href=";s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=&#34081;&#20381;&#26519;&z=4" target="_blank">蔡依林</a> 生成之后可以正常訪(fǎng)問(wèn)的聯(lián)接是: ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=蔡依林&z=4 而我們能獲取到卻難以訪(fǎng)問(wèn)的鏈接是: ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=&#34081;&#20381;&#26519;&z=4 經(jīng)過(guò)對比我們可以看出,兩個(gè)鏈接只有 從 word=到&這之間的代碼不一樣,我們還可以看出,之間的代碼恰好對應 蔡依林 這個(gè)鏈接的標題,我們可以想,如果我們可以把這之間的亂碼用這段鏈接的標題來(lái)取代或則說(shuō)替換,那不就完全一樣了嗎? 是的,我們完全可以借助正則來(lái)采集這樣的網(wǎng)站地址! 列表地址: 在頁(yè)面鏈接的采集方法這兒,我們有兩個(gè)選擇,一個(gè)是自動(dòng)填寫(xiě)鏈接地址規則,一個(gè)是啟動(dòng)向導添加,進(jìn)入正則提取!以下火車(chē)采集器 正則提取,我們兩種方式都一并講解! 列車(chē)采集器系列教程 之 使用正則采集鏈接 一 下面,啟動(dòng)我們的列車(chē),建立一個(gè)站點(diǎn),建立一個(gè)任務(wù)! 自動(dòng)添加模式1,打開(kāi)自動(dòng)添加模式之后,我們先設置禁用系統手動(dòng)辨識聯(lián)接,啟用自定義聯(lián)接格式 火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 2,修改我們的正則規則如下: <a href="(*)" target="_blank">[參數]</a> 這里, <a href=" 的作用是取固定字符在確定聯(lián)接所在區域,設定參數為我們想獲取的目標內容。
實(shí)際聯(lián)接設置為正確的可以訪(fǎng)問(wèn)的鏈接前部份 ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=[參數 1]&pic=1 這里的參數 1表示它就是獲取的參數,如果你想在其它地方再使用,可以繼續使用到參數 N,不過(guò)你要注意了,如果你要獲取多個(gè)參數,這里復雜了,請注意下邊這張圖片: 假如你要獲取多個(gè)參數火車(chē)采集器 正則提取,請注意她們出現的位次,在引用過(guò)程中,也要注意位次,不然會(huì )出現參數值傳遞錯誤!同時(shí),你可以將[參數 N]修改為你想獲取的參數。 在這里,如果有縮略圖,我們也可以加上縮略圖,也可以下載!將縮略圖標簽替換圖片地址就可以了! 向導添加信正則提取模式 在源地址處添加我們要采集的列表地址 進(jìn)一步設置正則參數,這里的參數就和我們剛才說(shuō)過(guò)的就是一模一樣的了,這兩種模式方式一樣,但也適用于采集不同地址的列表,就看你們的喜好了! 設置完成之后就可以提取地址并完了! 火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 以下展示一下我們采集到的地址: 好了,經(jīng)過(guò)比較長(cháng)時(shí)間的制做,這份文檔加圖片的教程就制做得差不多了,現在是早上兩點(diǎn),應該休息了! 剩下的視頻部份,就等今天來(lái)完成吧!最后,感謝你們對火車(chē)頭的支持,3Q and 88 本文沒(méi)有來(lái)得急校對,如果出現錯誤的地方歡迎你們修正! 查看全部
火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 先來(lái)瞧瞧這段加密后代碼 <a href=";s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=&#34081;&#20381;&#26519;&z=4" target="_blank">蔡依林</a> 生成之后可以正常訪(fǎng)問(wèn)的聯(lián)接是: ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=蔡依林&z=4 而我們能獲取到卻難以訪(fǎng)問(wèn)的鏈接是: ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=&#34081;&#20381;&#26519;&z=4 經(jīng)過(guò)對比我們可以看出,兩個(gè)鏈接只有 從 word=到&這之間的代碼不一樣,我們還可以看出,之間的代碼恰好對應 蔡依林 這個(gè)鏈接的標題,我們可以想,如果我們可以把這之間的亂碼用這段鏈接的標題來(lái)取代或則說(shuō)替換,那不就完全一樣了嗎? 是的,我們完全可以借助正則來(lái)采集這樣的網(wǎng)站地址! 列表地址: 在頁(yè)面鏈接的采集方法這兒,我們有兩個(gè)選擇,一個(gè)是自動(dòng)填寫(xiě)鏈接地址規則,一個(gè)是啟動(dòng)向導添加,進(jìn)入正則提取!以下火車(chē)采集器 正則提取,我們兩種方式都一并講解! 列車(chē)采集器系列教程 之 使用正則采集鏈接 一 下面,啟動(dòng)我們的列車(chē),建立一個(gè)站點(diǎn),建立一個(gè)任務(wù)! 自動(dòng)添加模式1,打開(kāi)自動(dòng)添加模式之后,我們先設置禁用系統手動(dòng)辨識聯(lián)接,啟用自定義聯(lián)接格式 火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 2,修改我們的正則規則如下: <a href="(*)" target="_blank">[參數]</a> 這里, <a href=" 的作用是取固定字符在確定聯(lián)接所在區域,設定參數為我們想獲取的目標內容。
實(shí)際聯(lián)接設置為正確的可以訪(fǎng)問(wèn)的鏈接前部份 ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=[參數 1]&pic=1 這里的參數 1表示它就是獲取的參數,如果你想在其它地方再使用,可以繼續使用到參數 N,不過(guò)你要注意了,如果你要獲取多個(gè)參數,這里復雜了,請注意下邊這張圖片: 假如你要獲取多個(gè)參數火車(chē)采集器 正則提取,請注意她們出現的位次,在引用過(guò)程中,也要注意位次,不然會(huì )出現參數值傳遞錯誤!同時(shí),你可以將[參數 N]修改為你想獲取的參數。 在這里,如果有縮略圖,我們也可以加上縮略圖,也可以下載!將縮略圖標簽替換圖片地址就可以了! 向導添加信正則提取模式 在源地址處添加我們要采集的列表地址 進(jìn)一步設置正則參數,這里的參數就和我們剛才說(shuō)過(guò)的就是一模一樣的了,這兩種模式方式一樣,但也適用于采集不同地址的列表,就看你們的喜好了! 設置完成之后就可以提取地址并完了! 火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 以下展示一下我們采集到的地址: 好了,經(jīng)過(guò)比較長(cháng)時(shí)間的制做,這份文檔加圖片的教程就制做得差不多了,現在是早上兩點(diǎn),應該休息了! 剩下的視頻部份,就等今天來(lái)完成吧!最后,感謝你們對火車(chē)頭的支持,3Q and 88 本文沒(méi)有來(lái)得急校對,如果出現錯誤的地方歡迎你們修正!
帝國CMS采集教程:帝國cms采集內容分頁(yè)教程
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 426 次瀏覽 ? 2020-07-22 08:01
Webjx.Com提示：那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些
相關(guān)文章：帝國cms采集功能:采集新浪各地新聞欄目?jì)热?br /> 那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”帝國cms采集分頁(yè)教程，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟帝國cms采集分頁(yè)教程，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。 查看全部
相關(guān)文章：帝國cms采集功能:采集新浪各地新聞欄目?jì)热?br /> 那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”帝國cms采集分頁(yè)教程，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟帝國cms采集分頁(yè)教程，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。 查看全部
Webjx.Com提示：那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些
相關(guān)文章：帝國cms采集功能:采集新浪各地新聞欄目?jì)热?br /> 那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”帝國cms采集分頁(yè)教程，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟帝國cms采集分頁(yè)教程，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。
相關(guān)文章：帝國cms采集功能:采集新浪各地新聞欄目?jì)热?br /> 那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”帝國cms采集分頁(yè)教程，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟帝國cms采集分頁(yè)教程，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。
帝國cms網(wǎng)站采集內容分頁(yè)教程
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 500 次瀏覽 ? 2020-07-22 08:00
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)帝國cms采集分頁(yè)教程，老是采到第1頁(yè)帝國cms采集分頁(yè)教程，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。 查看全部
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)帝國cms采集分頁(yè)教程，老是采到第1頁(yè)帝國cms采集分頁(yè)教程，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
帝國cms采集圖文教程（中）
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 425 次瀏覽 ? 2020-07-21 08:03
帝國 cms 采集圖文教程（中） 上一講我們介紹了帝國 cms 采集基本流程帝國cms采集分頁(yè)教程， 那么我們這一講介紹帝國 cms 如何采集內容分頁(yè)。 不少的朋友在采集過(guò)程中， 列表頁(yè)和內容頁(yè)都能可以挺好地設定正則， 但常常失敗在內容分頁(yè)正則上， 主要是對內容分頁(yè)正則不了解。 帝國的內容分頁(yè)方式有兩種：（1） 全部列出式（2） 上下頁(yè)導航式， 但是這兩種內容分頁(yè)方式有哪些區別， 采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊， 對此有些朋友倍感太頭大， 好的， 我們先看下事例： 一、 全部列出式 全部列表式只需看第一頁(yè)的頁(yè)面 HTML 代碼， 這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。 1、我們以“中華網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 3 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2 條和第 3 條分頁(yè)， 所有的分頁(yè)都列下來(lái)了。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：二、 上下頁(yè)導航式 上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)， 他須要所有頁(yè)面都符合分頁(yè)正則才行， 在不熟悉的情況下，我們可以用第 1 頁(yè)和第 2 頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、 我們以“愛(ài)麗網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 20 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2， 第 3， 第 4， 第 5， 第 6， 第 7，第 8， 第 20 條分頁(yè)， 但是第 9 到第 19 條分頁(yè)并沒(méi)有列下來(lái)， 這時(shí)候我們拿用第 1 頁(yè)和第 2頁(yè)的代碼來(lái)進(jìn)行對比剖析， 來(lái)確定分頁(yè)正則: （1） 第 1 頁(yè)代碼：（2） 第 2 頁(yè)代碼： 從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”， “分頁(yè)鏈接”格式， “分頁(yè)區域結束代碼”,那么就可以確定“分頁(yè)區域正則”， “分頁(yè)鏈接正則”。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：5、 為了便捷教程顯示， newstext 我采集了標題而不是采集內容， 預覽結果： 注意事項： 第一、 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、 用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)帝國cms采集分頁(yè)教程， 這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。 第三、 用上下頁(yè)導航式時(shí)， 老是采到第 1 頁(yè)， 其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)， 這是因為分頁(yè)區域正則([!--smallpagezz--])截取錯誤。 第四、 用上下頁(yè)導航式時(shí)， 可以采集到前幾頁(yè)了 ， 但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則([!--smallpagezz--])截取錯誤， 截取范圍過(guò)大， 導致重復截取前幾個(gè)分頁(yè)鏈接。 好的， 這一講就到這兒， 下一講我們主要介紹帝國 cms 采集過(guò)濾和替換。 本文由 國外網(wǎng)站大全 原創(chuàng )， 轉載請標明出處， 謝謝! 查看全部
1、 我們以“愛(ài)麗網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 20 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2， 第 3， 第 4， 第 5， 第 6， 第 7，第 8， 第 20 條分頁(yè)， 但是第 9 到第 19 條分頁(yè)并沒(méi)有列下來(lái)， 這時(shí)候我們拿用第 1 頁(yè)和第 2頁(yè)的代碼來(lái)進(jìn)行對比剖析， 來(lái)確定分頁(yè)正則: （1） 第 1 頁(yè)代碼：（2） 第 2 頁(yè)代碼： 從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”， “分頁(yè)鏈接”格式， “分頁(yè)區域結束代碼”,那么就可以確定“分頁(yè)區域正則”， “分頁(yè)鏈接正則”。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：5、 為了便捷教程顯示， newstext 我采集了標題而不是采集內容， 預覽結果： 注意事項： 第一、 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、 用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)帝國cms采集分頁(yè)教程， 這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。 第三、 用上下頁(yè)導航式時(shí)， 老是采到第 1 頁(yè)， 其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)， 這是因為分頁(yè)區域正則([!--smallpagezz--])截取錯誤。 第四、 用上下頁(yè)導航式時(shí)， 可以采集到前幾頁(yè)了 ， 但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則([!--smallpagezz--])截取錯誤， 截取范圍過(guò)大， 導致重復截取前幾個(gè)分頁(yè)鏈接。 好的， 這一講就到這兒， 下一講我們主要介紹帝國 cms 采集過(guò)濾和替換。 本文由 國外網(wǎng)站大全 原創(chuàng )， 轉載請標明出處， 謝謝! 查看全部
帝國 cms 采集圖文教程（中） 上一講我們介紹了帝國 cms 采集基本流程帝國cms采集分頁(yè)教程， 那么我們這一講介紹帝國 cms 如何采集內容分頁(yè)。 不少的朋友在采集過(guò)程中， 列表頁(yè)和內容頁(yè)都能可以挺好地設定正則， 但常常失敗在內容分頁(yè)正則上， 主要是對內容分頁(yè)正則不了解。 帝國的內容分頁(yè)方式有兩種：（1） 全部列出式（2） 上下頁(yè)導航式， 但是這兩種內容分頁(yè)方式有哪些區別， 采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊， 對此有些朋友倍感太頭大， 好的， 我們先看下事例： 一、 全部列出式 全部列表式只需看第一頁(yè)的頁(yè)面 HTML 代碼， 這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。 1、我們以“中華網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 3 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2 條和第 3 條分頁(yè)， 所有的分頁(yè)都列下來(lái)了。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：二、 上下頁(yè)導航式 上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)， 他須要所有頁(yè)面都符合分頁(yè)正則才行， 在不熟悉的情況下，我們可以用第 1 頁(yè)和第 2 頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、 我們以“愛(ài)麗網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 20 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2， 第 3， 第 4， 第 5， 第 6， 第 7，第 8， 第 20 條分頁(yè)， 但是第 9 到第 19 條分頁(yè)并沒(méi)有列下來(lái)， 這時(shí)候我們拿用第 1 頁(yè)和第 2頁(yè)的代碼來(lái)進(jìn)行對比剖析， 來(lái)確定分頁(yè)正則: （1） 第 1 頁(yè)代碼：（2） 第 2 頁(yè)代碼： 從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”， “分頁(yè)鏈接”格式， “分頁(yè)區域結束代碼”,那么就可以確定“分頁(yè)區域正則”， “分頁(yè)鏈接正則”。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：5、 為了便捷教程顯示， newstext 我采集了標題而不是采集內容， 預覽結果： 注意事項： 第一、 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、 用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)帝國cms采集分頁(yè)教程， 這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。 第三、 用上下頁(yè)導航式時(shí)， 老是采到第 1 頁(yè)， 其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)， 這是因為分頁(yè)區域正則([!--smallpagezz--])截取錯誤。 第四、 用上下頁(yè)導航式時(shí)， 可以采集到前幾頁(yè)了 ， 但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則([!--smallpagezz--])截取錯誤， 截取范圍過(guò)大， 導致重復截取前幾個(gè)分頁(yè)鏈接。 好的， 這一講就到這兒， 下一講我們主要介紹帝國 cms 采集過(guò)濾和替換。 本文由 國外網(wǎng)站大全 原創(chuàng )， 轉載請標明出處， 謝謝!
1、 我們以“愛(ài)麗網(wǎng)內容分頁(yè)()”為例： 可以看見(jiàn)這條新聞總共有 20 條分頁(yè)。 2、 查看源代碼： 這一頁(yè)里不僅早已采集到的第 1 條分頁(yè)外， 還包括了 第 2， 第 3， 第 4， 第 5， 第 6， 第 7，第 8， 第 20 條分頁(yè)， 但是第 9 到第 19 條分頁(yè)并沒(méi)有列下來(lái)， 這時(shí)候我們拿用第 1 頁(yè)和第 2頁(yè)的代碼來(lái)進(jìn)行對比剖析， 來(lái)確定分頁(yè)正則: （1） 第 1 頁(yè)代碼：（2） 第 2 頁(yè)代碼： 從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”， “分頁(yè)鏈接”格式， “分頁(yè)區域結束代碼”,那么就可以確定“分頁(yè)區域正則”， “分頁(yè)鏈接正則”。 3、 取得 分頁(yè)區域正則([!--smallpageallzz--])： 4、 取得 分頁(yè)鏈接正則([!--pageallzz--])：5、 為了便捷教程顯示， newstext 我采集了標題而不是采集內容， 預覽結果： 注意事項： 第一、 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。 在第一頁(yè)的頁(yè)面 HTML 代碼里， 內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、 用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)帝國cms采集分頁(yè)教程， 這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。 第三、 用上下頁(yè)導航式時(shí)， 老是采到第 1 頁(yè)， 其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)， 這是因為分頁(yè)區域正則([!--smallpagezz--])截取錯誤。 第四、 用上下頁(yè)導航式時(shí)， 可以采集到前幾頁(yè)了 ， 但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則([!--smallpagezz--])截取錯誤， 截取范圍過(guò)大， 導致重復截取前幾個(gè)分頁(yè)鏈接。 好的， 這一講就到這兒， 下一講我們主要介紹帝國 cms 采集過(guò)濾和替換。 本文由 國外網(wǎng)站大全 原創(chuàng )， 轉載請標明出處， 謝謝!
帝國cms采集教程二：如何采集內容分頁(yè)
站長(cháng)必讀 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 513 次瀏覽 ? 2020-07-20 08:05
上一講我們介紹了帝國cms采集基本流程，那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)帝國cms采集分頁(yè)教程，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示帝國cms采集分頁(yè)教程，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。 查看全部
上一講我們介紹了帝國cms采集基本流程，那么我們這一講介紹帝國cms如何采集內容分頁(yè)。不少的朋友在采集過(guò)程中，列表頁(yè)和內容頁(yè)都能可以挺好地設定正則，但常常失敗在內容分頁(yè)正則上，主要是對內容分頁(yè)正則不了解。帝國的內容分頁(yè)方式有兩種：（1）全部列舉式（2）上下頁(yè)導航式，但是這兩種內容分頁(yè)方式有哪些區別，采集內容分頁(yè)時(shí)該用哪種，官方說(shuō)得比較模糊，對此有些朋友倍感太頭大，好的，我們先看下事例：
一、全部列出式
全部列表式只需看第一頁(yè)的頁(yè)面HTML代碼，這一頁(yè)的所有分頁(yè)鏈接都列下來(lái)了。
1、我們以“中華網(wǎng)內容分頁(yè)（）”為例：
可以看見(jiàn)這條新聞總共有3條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2條和第3條分頁(yè)，所有的分頁(yè)都列下來(lái)了。
3、取得 分頁(yè)區域正則（［！--smallpageallzz--］）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
二、上下頁(yè)導航式
上下頁(yè)導航式是分頁(yè)采集的難點(diǎn)，他須要所有頁(yè)面都符合分頁(yè)正則才行，在不熟悉的情況下，我們可以用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析之后確定分頁(yè)正則。
1、我們以下網(wǎng)站的內容分頁(yè)為例：
可以看見(jiàn)這條新聞總共有20條分頁(yè)。
2、查看源代碼：
這一頁(yè)里不僅早已采集到的第1條分頁(yè)外，還包括了第2，第3，第4，第5，第6，第7，第8，第20條分頁(yè)，但是第9到第19條分頁(yè)并沒(méi)有列下來(lái)帝國cms采集分頁(yè)教程，這時(shí)候我們拿用第1頁(yè)和第2頁(yè)的代碼來(lái)進(jìn)行對比剖析，來(lái)確定分頁(yè)正則：
?。?）第1頁(yè)代碼：
?。?）第2頁(yè)代碼：
從這兩幅圖片可以見(jiàn)到她們有著(zhù)相同的“分頁(yè)區域開(kāi)始代碼”，“分頁(yè)鏈接”格式，“分頁(yè)區域結束代碼”，那么就可以確定“分頁(yè)區域正則”，“分頁(yè)鏈接正則”。
3、取得 分頁(yè)區域正則（[!--smallpageallzz--]）：
4、取得 分頁(yè)鏈接正則（[!--pageallzz--]）：
5、為了便捷教程顯示帝國cms采集分頁(yè)教程，newstext我采集了標題而不是采集內容，預覽結果：
注意事項：
第一、在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接全部列下來(lái)的情況下我們使用“全部列出式”。在第一頁(yè)的頁(yè)面HTML代碼里，內容分頁(yè)鏈接沒(méi)有全部列下來(lái)的情況下我們使用“上下頁(yè)導航式”。
第二、用全部列舉式時(shí)，采集規則正確并且莫名其妙的出現重復的分頁(yè)，這時(shí)可以借助替換法把它過(guò)濾掉（下一講我們再說(shuō)）。
第三、用上下頁(yè)導航式時(shí)，老是采到第1頁(yè)，其他頁(yè)連個(gè)影子都沒(méi)有見(jiàn)過(guò)，這是因為分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤。
第四、用上下頁(yè)導航式時(shí)，可以采集到前幾頁(yè)了，但是接下來(lái)這前幾頁(yè)全部重復循環(huán)究竟，這也是由于分頁(yè)區域正則（[!--smallpagezz--]）截取錯誤，截取范圍過(guò)大，導致重復截取前幾個(gè)分頁(yè)鏈接。
好的，這一講就到這兒，下一講我們主要介紹帝國cms采集過(guò)濾和替換。
火車(chē)頭網(wǎng)頁(yè)正則提取電話(huà) – 火車(chē)頭正則采集電話(huà)
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 727 次瀏覽 ? 2020-05-25 08:01
話(huà)說(shuō)好長(cháng)時(shí)間不用火車(chē)頭了。都有點(diǎn)蒙逼忘了。記得曾經(jīng)用火車(chē)頭采集論壇做垃圾文章網(wǎng)站，都多少年前的事情了，如今須要采集一些手機號，想想懶得寫(xiě)PHP，有現成的工具為何不用對吧，沒(méi)毛病。
分分鐘搞定，咱們先熟悉一下火車(chē)頭的規則。
(?<content>[\s\S]*?)
Content //代表內容
? //表示匹配0次或則1次
\s //匹配所有空白字符
\S //匹配所有非空白字符
* //修飾匹配次數為 0 次或任意次
火車(chē)頭采集手機號的正則：(?<content>1[34578]{1}[0-9]{9})
火車(chē)頭采集郵箱的正則：(?<content>[\w\-\.]+@[\w\-\.]+\.\w+)
--------------------下方是正則表達式說(shuō)明。-----------------------
表1.常用的元字符代碼說(shuō)明
. 匹配除換行符以外的任意字符
\w 匹配字母或數字或頓號或漢字
\s 匹配任意的空白符
\d 匹配數字
\b 匹配詞組的開(kāi)始或結束
^ 匹配字符串的開(kāi)始$匹配字符串的結束
表2.常用的限定符代碼/語(yǔ)法說(shuō)明
* 重復零次或更多次
+ 重復一次或更多次
? 重復零次或一次
{n} 重復n次
{n,} 重復n次或更多次
{n,m} 重復n到m次
表3.常用的反義代碼代碼/語(yǔ)法說(shuō)明
\W 匹配任意不是字母，數字，下劃線(xiàn)，漢字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非數字的字符
\B 匹配不是詞組開(kāi)頭或結束的位置
[^x] 匹配不僅x以外的任意字符
[^aeiou] 匹配不僅aeiou這幾個(gè)字母以外的任意字符
常用分組句型
表5.懶惰限定符代碼/語(yǔ)法說(shuō)明
*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復
表7.尚未詳盡討論的句型代碼/語(yǔ)法說(shuō)明
\a 報案字符(打印它的療效是筆記本嘀一聲)
\b 一般是詞組分界位置，但若果在字符類(lèi)里使用代表退格
\t 制表符火車(chē)采集器 手機正則表達式，Tab
\r 回車(chē)
\v 豎向制表符
\f 換頁(yè)符
\n 換行符
\e Escape
\0nn ASCII代碼中八進(jìn)制代碼為nn的字符
\xnn ASCII代碼中十六進(jìn)制代碼為nn的字符
\unnnn Unicode代碼中十六進(jìn)制代碼為nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串開(kāi)頭(類(lèi)似^，但不受處理多行選項的影響)
\Z 字符串結尾或行尾(不受處理多行選項的影響)
\z 字符串結尾(類(lèi)似$火車(chē)采集器 手機正則表達式，但不受處理多行選項的影響)
\G 當前搜索的開(kāi)頭
\p{name} Unicode中命名為name的字符類(lèi)，例如\p{IsGreek}
(?>exp) 貪婪子表達式(?<x>-<y>exp)平衡組
(?im-nsx:exp) 在子表達式exp中改變處理選項
(?im-nsx) 為表達式旁邊的部份改變處理選項
(?(exp)yes|no) 把exp當成零寬正向先行斷定，如果在這個(gè)位置能匹配，使用yes作為此組的表達式；否則使用no(?(exp)yes)同上，只是使用空表達式作為no
(?(name)yes|no) 假如命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no
(?(name)yes) 同上，只是使用空表達式作為no 查看全部
分分鐘搞定，咱們先熟悉一下火車(chē)頭的規則。
(?<content>[\s\S]*?)
Content //代表內容
? //表示匹配0次或則1次
\s //匹配所有空白字符
\S //匹配所有非空白字符
* //修飾匹配次數為 0 次或任意次
火車(chē)頭采集手機號的正則：(?<content>1[34578]{1}[0-9]{9})
火車(chē)頭采集郵箱的正則：(?<content>[\w\-\.]+@[\w\-\.]+\.\w+)
--------------------下方是正則表達式說(shuō)明。-----------------------
表1.常用的元字符代碼說(shuō)明
. 匹配除換行符以外的任意字符
\w 匹配字母或數字或頓號或漢字
\s 匹配任意的空白符
\d 匹配數字
\b 匹配詞組的開(kāi)始或結束
^ 匹配字符串的開(kāi)始$匹配字符串的結束
表2.常用的限定符代碼/語(yǔ)法說(shuō)明
* 重復零次或更多次
+ 重復一次或更多次
? 重復零次或一次
{n} 重復n次
{n,} 重復n次或更多次
{n,m} 重復n到m次
表3.常用的反義代碼代碼/語(yǔ)法說(shuō)明
\W 匹配任意不是字母，數字，下劃線(xiàn)，漢字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非數字的字符
\B 匹配不是詞組開(kāi)頭或結束的位置
[^x] 匹配不僅x以外的任意字符
[^aeiou] 匹配不僅aeiou這幾個(gè)字母以外的任意字符
常用分組句型
表5.懶惰限定符代碼/語(yǔ)法說(shuō)明
*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復
表7.尚未詳盡討論的句型代碼/語(yǔ)法說(shuō)明
\a 報案字符(打印它的療效是筆記本嘀一聲)
\b 一般是詞組分界位置，但若果在字符類(lèi)里使用代表退格
\t 制表符火車(chē)采集器 手機正則表達式，Tab
\r 回車(chē)
\v 豎向制表符
\f 換頁(yè)符
\n 換行符
\e Escape
\0nn ASCII代碼中八進(jìn)制代碼為nn的字符
\xnn ASCII代碼中十六進(jìn)制代碼為nn的字符
\unnnn Unicode代碼中十六進(jìn)制代碼為nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串開(kāi)頭(類(lèi)似^，但不受處理多行選項的影響)
\Z 字符串結尾或行尾(不受處理多行選項的影響)
\z 字符串結尾(類(lèi)似$火車(chē)采集器 手機正則表達式，但不受處理多行選項的影響)
\G 當前搜索的開(kāi)頭
\p{name} Unicode中命名為name的字符類(lèi)，例如\p{IsGreek}
(?>exp) 貪婪子表達式(?<x>-<y>exp)平衡組
(?im-nsx:exp) 在子表達式exp中改變處理選項
(?im-nsx) 為表達式旁邊的部份改變處理選項
(?(exp)yes|no) 把exp當成零寬正向先行斷定，如果在這個(gè)位置能匹配，使用yes作為此組的表達式；否則使用no(?(exp)yes)同上，只是使用空表達式作為no
(?(name)yes|no) 假如命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no
(?(name)yes) 同上，只是使用空表達式作為no 查看全部
話(huà)說(shuō)好長(cháng)時(shí)間不用火車(chē)頭了。都有點(diǎn)蒙逼忘了。記得曾經(jīng)用火車(chē)頭采集論壇做垃圾文章網(wǎng)站，都多少年前的事情了，如今須要采集一些手機號，想想懶得寫(xiě)PHP，有現成的工具為何不用對吧，沒(méi)毛病。
分分鐘搞定，咱們先熟悉一下火車(chē)頭的規則。
(?<content>[\s\S]*?)
Content //代表內容
? //表示匹配0次或則1次
\s //匹配所有空白字符
\S //匹配所有非空白字符
* //修飾匹配次數為 0 次或任意次
火車(chē)頭采集手機號的正則：(?<content>1[34578]{1}[0-9]{9})
火車(chē)頭采集郵箱的正則：(?<content>[\w\-\.]+@[\w\-\.]+\.\w+)
--------------------下方是正則表達式說(shuō)明。-----------------------
表1.常用的元字符代碼說(shuō)明
. 匹配除換行符以外的任意字符
\w 匹配字母或數字或頓號或漢字
\s 匹配任意的空白符
\d 匹配數字
\b 匹配詞組的開(kāi)始或結束
^ 匹配字符串的開(kāi)始$匹配字符串的結束
表2.常用的限定符代碼/語(yǔ)法說(shuō)明
* 重復零次或更多次
+ 重復一次或更多次
? 重復零次或一次
{n} 重復n次
{n,} 重復n次或更多次
{n,m} 重復n到m次
表3.常用的反義代碼代碼/語(yǔ)法說(shuō)明
\W 匹配任意不是字母，數字，下劃線(xiàn)，漢字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非數字的字符
\B 匹配不是詞組開(kāi)頭或結束的位置
[^x] 匹配不僅x以外的任意字符
[^aeiou] 匹配不僅aeiou這幾個(gè)字母以外的任意字符
常用分組句型
表5.懶惰限定符代碼/語(yǔ)法說(shuō)明
*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復
表7.尚未詳盡討論的句型代碼/語(yǔ)法說(shuō)明
\a 報案字符(打印它的療效是筆記本嘀一聲)
\b 一般是詞組分界位置，但若果在字符類(lèi)里使用代表退格
\t 制表符火車(chē)采集器 手機正則表達式，Tab
\r 回車(chē)
\v 豎向制表符
\f 換頁(yè)符
\n 換行符
\e Escape
\0nn ASCII代碼中八進(jìn)制代碼為nn的字符
\xnn ASCII代碼中十六進(jìn)制代碼為nn的字符
\unnnn Unicode代碼中十六進(jìn)制代碼為nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串開(kāi)頭(類(lèi)似^，但不受處理多行選項的影響)
\Z 字符串結尾或行尾(不受處理多行選項的影響)
\z 字符串結尾(類(lèi)似$火車(chē)采集器 手機正則表達式，但不受處理多行選項的影響)
\G 當前搜索的開(kāi)頭
\p{name} Unicode中命名為name的字符類(lèi)，例如\p{IsGreek}
(?>exp) 貪婪子表達式(?<x>-<y>exp)平衡組
(?im-nsx:exp) 在子表達式exp中改變處理選項
(?im-nsx) 為表達式旁邊的部份改變處理選項
(?(exp)yes|no) 把exp當成零寬正向先行斷定，如果在這個(gè)位置能匹配，使用yes作為此組的表達式；否則使用no(?(exp)yes)同上，只是使用空表達式作為no
(?(name)yes|no) 假如命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no
(?(name)yes) 同上，只是使用空表達式作為no
火車(chē)采集器系列教程 之 使用正則采集鏈接
采集交流 ? 優(yōu)采云 發(fā)表了文章 ? 0 個(gè)評論 ? 752 次瀏覽 ? 2020-05-15 08:01
火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 先來(lái)瞧瞧這段加密后代碼 <a href=";s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=&#34081;&#20381;&#26519;&z=4" target="_blank">蔡依林</a> 生成之后可以正常訪(fǎng)問(wèn)的聯(lián)接是: ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=蔡依林&z=4 而我們能獲取到卻難以訪(fǎng)問(wèn)的鏈接是: ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=&#34081;&#20381;&#26519;&z=4 經(jīng)過(guò)對比我們可以看出,兩個(gè)鏈接只有 從 word=到&這之間的代碼不一樣,我們還可以看出,之間的代碼恰好對應 蔡依林 這個(gè)鏈接的標題,我們可以想,如果我們可以把這之間的亂碼用這段鏈接的標題來(lái)取代或則說(shuō)替換,那不就完全一樣了嗎? 是的,我們完全可以借助正則來(lái)采集這樣的網(wǎng)站地址! 列表地址: 在頁(yè)面鏈接的采集方法這兒,我們有兩個(gè)選擇,一個(gè)是自動(dòng)填寫(xiě)鏈接地址規則,一個(gè)是啟動(dòng)向導添加,進(jìn)入正則提取!以下火車(chē)采集器 正則提取,我們兩種方式都一并講解! 列車(chē)采集器系列教程 之 使用正則采集鏈接 一 下面,啟動(dòng)我們的列車(chē),建立一個(gè)站點(diǎn),建立一個(gè)任務(wù)! 自動(dòng)添加模式1,打開(kāi)自動(dòng)添加模式之后,我們先設置禁用系統手動(dòng)辨識聯(lián)接,啟用自定義聯(lián)接格式 火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 2,修改我們的正則規則如下: <a href="(*)" target="_blank">[參數]</a> 這里, <a href=" 的作用是取固定字符在確定聯(lián)接所在區域,設定參數為我們想獲取的目標內容。
實(shí)際聯(lián)接設置為正確的可以訪(fǎng)問(wèn)的鏈接前部份 ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=[參數 1]&pic=1 這里的參數 1表示它就是獲取的參數,如果你想在其它地方再使用,可以繼續使用到參數 N,不過(guò)你要注意了,如果你要獲取多個(gè)參數,這里復雜了,請注意下邊這張圖片: 假如你要獲取多個(gè)參數火車(chē)采集器 正則提取,請注意她們出現的位次,在引用過(guò)程中,也要注意位次,不然會(huì )出現參數值傳遞錯誤!同時(shí),你可以將[參數 N]修改為你想獲取的參數。 在這里,如果有縮略圖,我們也可以加上縮略圖,也可以下載!將縮略圖標簽替換圖片地址就可以了! 向導添加信正則提取模式 在源地址處添加我們要采集的列表地址 進(jìn)一步設置正則參數,這里的參數就和我們剛才說(shuō)過(guò)的就是一模一樣的了,這兩種模式方式一樣,但也適用于采集不同地址的列表,就看你們的喜好了! 設置完成之后就可以提取地址并完了! 火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 以下展示一下我們采集到的地址: 好了,經(jīng)過(guò)比較長(cháng)時(shí)間的制做,這份文檔加圖片的教程就制做得差不多了,現在是早上兩點(diǎn),應該休息了! 剩下的視頻部份,就等今天來(lái)完成吧!最后,感謝你們對火車(chē)頭的支持,3Q and 88 本文沒(méi)有來(lái)得急校對,如果出現錯誤的地方歡迎你們修正! 查看全部
火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 先來(lái)瞧瞧這段加密后代碼 <a href=";s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=&#34081;&#20381;&#26519;&z=4" target="_blank">蔡依林</a> 生成之后可以正常訪(fǎng)問(wèn)的聯(lián)接是: ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=蔡依林&z=4 而我們能獲取到卻難以訪(fǎng)問(wèn)的鏈接是: ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=&#34081;&#20381;&#26519;&z=4 經(jīng)過(guò)對比我們可以看出,兩個(gè)鏈接只有 從 word=到&這之間的代碼不一樣,我們還可以看出,之間的代碼恰好對應 蔡依林 這個(gè)鏈接的標題,我們可以想,如果我們可以把這之間的亂碼用這段鏈接的標題來(lái)取代或則說(shuō)替換,那不就完全一樣了嗎? 是的,我們完全可以借助正則來(lái)采集這樣的網(wǎng)站地址! 列表地址: 在頁(yè)面鏈接的采集方法這兒,我們有兩個(gè)選擇,一個(gè)是自動(dòng)填寫(xiě)鏈接地址規則,一個(gè)是啟動(dòng)向導添加,進(jìn)入正則提取!以下火車(chē)采集器 正則提取,我們兩種方式都一并講解! 列車(chē)采集器系列教程 之 使用正則采集鏈接 一 下面,啟動(dòng)我們的列車(chē),建立一個(gè)站點(diǎn),建立一個(gè)任務(wù)! 自動(dòng)添加模式1,打開(kāi)自動(dòng)添加模式之后,我們先設置禁用系統手動(dòng)辨識聯(lián)接,啟用自定義聯(lián)接格式 火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 2,修改我們的正則規則如下: <a href="(*)" target="_blank">[參數]</a> 這里, <a href=" 的作用是取固定字符在確定聯(lián)接所在區域,設定參數為我們想獲取的目標內容。
實(shí)際聯(lián)接設置為正確的可以訪(fǎng)問(wèn)的鏈接前部份 ;s=1&ct=201326592&cl=2&lm=-1&tn=baiduimage&word=[參數 1]&pic=1 這里的參數 1表示它就是獲取的參數,如果你想在其它地方再使用,可以繼續使用到參數 N,不過(guò)你要注意了,如果你要獲取多個(gè)參數,這里復雜了,請注意下邊這張圖片: 假如你要獲取多個(gè)參數火車(chē)采集器 正則提取,請注意她們出現的位次,在引用過(guò)程中,也要注意位次,不然會(huì )出現參數值傳遞錯誤!同時(shí),你可以將[參數 N]修改為你想獲取的參數。 在這里,如果有縮略圖,我們也可以加上縮略圖,也可以下載!將縮略圖標簽替換圖片地址就可以了! 向導添加信正則提取模式 在源地址處添加我們要采集的列表地址 進(jìn)一步設置正則參數,這里的參數就和我們剛才說(shuō)過(guò)的就是一模一樣的了,這兩種模式方式一樣,但也適用于采集不同地址的列表,就看你們的喜好了! 設置完成之后就可以提取地址并完了! 火車(chē)采集器系列教程 之 使用正則采集網(wǎng)址 圖片版 以下展示一下我們采集到的地址: 好了,經(jīng)過(guò)比較長(cháng)時(shí)間的制做,這份文檔加圖片的教程就制做得差不多了,現在是早上兩點(diǎn),應該休息了! 剩下的視頻部份,就等今天來(lái)完成吧!最后,感謝你們對火車(chē)頭的支持,3Q and 88 本文沒(méi)有來(lái)得急校對,如果出現錯誤的地方歡迎你們修正!
