1.采集的正则能写得越简单越好。
当然，复杂的话针对性强，比较不容易采到不要的内容，但能在保证不采到不要的内容的前提下，越简单，一个正则对该网页的通用性就越强。比如说一样是采<a href="链接">这个链接，个人觉得，如果你已经设定了链接区域，区域内不会有别的链接的话，与其把链接正则写成<a href="[!--newsurl--]">，还不如写成href="[!--newsurl--]"。这样，万一有几页的链接对方写成了<A href="链接">，也不会影响你的采集效果。
当然，对方不会莫名其妙地改变自己的模板，上面只是举个例子。而我是懒人，懒人的目标就是用最少的正则采到最多的新闻。
正则写得简单，还是对自己采集水平的一个锻炼。越简单，找正则规律的要求就越高，多锻炼自己，采集时才比较容易一次就采到自己想要的东西。关注体育足球网qysrds.com
|
顶部 
加入收藏夹
2013-03-23 17:12:09 
已设置保密
回复
引用
报告
编辑
删除
