dedecms3.1分页文字采集过滤规则详说(图)(2)

下面进行分页匹配和过滤：

第一步：确定分页匹配代码
比较一下面四个图：
范例




目标

 

第四张图红圈里差了个“空格”，实际写代码的时候改过来。

通过比较上面的四张图，其实就是两个文件的分页代码区域。懒人懒办法、笨人笨办法：把与范例中最相似、相近，甚至相同的分页代码截留下来：

<td align='center' height='30'>首页 上页[var:分页区域]页次

如图：

 

至此，分页内容匹配进行完毕。

文章内容匹配、分页内容匹配都进行完后，最后就只有“过滤”了，包括分页区域过滤和文章内容过滤。据本人的感觉，上面的两个规则都好写，只要找到全部链接中的“唯一性”代码就搞定，但过滤规则里却是欲说还休，道不尽的无穷奥妙……哈哈，感觉就是这样。尤其如我一般的新手，对“正则”这个东西如临天书，找了几个正则方面的软件吧仍觉无从下手，就只好依样画样，照猫画虎，依葫芦画瓢地摸索了。

好了，闲话了。也累了，听听《加州旅馆》吧，在这：加州旅馆_老鹰乐队94现场 放松下吧。

你一眼看出来了过滤规则怎么写么，反正我是没能看得出来，没办法，新手就是新手呀。不管它，那就依照原范例的分页过滤规则写个规则试试看看结果吧：

{dede:trim}<td align='center' height='30'>(.*)页次{/dede:trim}

采集一下：


分页成功了，但废码多我，不行还得改!

看下多余的代码特征，好象是过滤范围不够，后面的很多内容都要过滤掉。那好，把过滤区域再往后移，直接移至描红部分吧(其实我在改过滤规则的时候，改了好几次，这里就一次到位吧，不耽误朋友们的时间了)：



写个完整的分页过滤规则：

{dede:trim}<td align='center' height='30'>(.*)</option></select></td>{/dede:trim}

再采集下，看看结果：



好了，分页成功，无多余代码。至此，全部主要的代码部分完成。
结果在这里：
有分页的：党员干部作风整顿剖析材料
无分页的： 文艺部工作计划