帝国cms网站采集内容分页图文教程

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（http://auto.china.com/dongtai/yejie/11012724/20120309/17081442.html）”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，所有的分页都列出来了。

3、取得 分页区域正则（［！--smallpageallzz--］）：

4、取得 分页链接正则（[!--pageallzz--]）：

二、上下页导航式

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页的代码来进行对比分析然后确定分页正则。

1、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（[!--smallpageallzz--]）：

4、取得 分页链接正则（[!--pageallzz--]）：

5、为了方便教程显示，newstext我采集了标题而不是采集内容，预览结果：

注意事项：

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”。