谁拿这个网页的功能有办法？

dkslel · 发表于 2012-3-27 21:11:20

http://www.caijixia.com/spider/
织梦采集侠的这个内容识别系统真是有点。。。。
用e语言有什么方法实现吗？
正则？文本_取中间_批量然后对比？还是有什么其他的处理网页的办法？都说下发表下自己的看法。不胜感激。。。

807757115 · 发表于 2012-3-27 21:30:48

推荐你学习一下正则表达式{:3_227:}

一抹红晕 · 发表于 2012-3-27 21:32:00

谁拿这个网页的功能有办法？

看出来了,你没办法!

追忆流年 · 发表于 2012-3-27 21:58:41

不明白你要做什么。

kevin · 发表于 2012-3-27 22:09:35

楼上+1{:3_244:}

dkslel · 发表于 2012-3-27 23:09:49

微风吹发表于 2012-3-27 21:58
不明白你要做什么。

就是实现这个网页所能实现的功能取到某个网页的文章内容而不取到其他的杂乱的文字、。。

蟋蟀 · 发表于 2012-3-27 23:34:53

同上不理解。。。{:3_230:}{:3_230:}{:3_230:}

追忆流年 · 发表于 2012-3-27 23:38:26

dkslel 发表于 2012-3-27 23:09
就是实现这个网页所能实现的功能取到某个网页的文章内容而不取到其他的杂乱的文字、。。

正则表达式就OK了。

dkslel · 发表于 2012-3-28 09:42:23

╔⑩冄⒇╗ 发表于 2012-3-27 23:34
同上不理解。。。

就是下图这个功能输入一个网址之后就会取出对应网页的主要文章内容
原网页是这个
如果用http读文件然后用正则取到所有文字的话那就会取到第二章图片中的“本类热门”等数据，像现在这样，我们知道是某个网页的情况下我们可以去写采集规则，可是他的这个不写规则怎么采集的这么正确的呢？或者说怎么采集的这么相近的？我就是想问他是怎么识别那么多未知系统的内容页里内容的

dkslel · 发表于 2012-3-28 09:43:17

微风吹发表于 2012-3-27 23:38
正则表达式就OK了。

这个正则要怎么写才好呢？像这种知道是哪个页面的情况下正则还是有法写出来的，但是好多未知的网页都可以直接提取到内容这个正则应该怎么写的？

		自动登录	找回密码
密码			注册

[易语言] 谁拿这个网页的功能有办法？