|
1、提示信息：Warning: preg_replace() [function.preg-replace]: Compilation failed: range out of order in character class at offset 83 in
答：你的采集正則變量名寫錯(cuò)導(dǎo)致，懇求檢查你的正則變量。 |
個(gè)人經(jīng)驗(yàn)：
1.采集的正則能寫得越儉樸越好。
當(dāng)然，復(fù)雜的話針對(duì)個(gè)性強(qiáng)，比較不容易采到不要的內(nèi)容，但能在保證不采到不要的內(nèi)容的前提下，越儉樸，一個(gè)正則對(duì)該網(wǎng)頁(yè)的通用個(gè)性就越強(qiáng)。比如說(shuō)一樣是采<a href=http://www./cms/ecms/1225/"鏈接">甘樣個(gè)鏈接，個(gè)人感到，如果你已經(jīng)設(shè)定了鏈接區(qū)域，區(qū)域內(nèi)不會(huì)有別的鏈接的話，與其把鏈接正則寫成<a href="[!--newsurl--]">，還不如寫成href="[!--newsurl--]"。甘樣樣，萬(wàn)一有幾頁(yè)的鏈接對(duì)方寫成了<A href="鏈接">，也不會(huì)影響你的采集效果。
當(dāng)然，對(duì)方不會(huì)莫名其妙地轉(zhuǎn)變本人的模板，上班面只是舉個(gè)例子。而我是懶人，懶人的目標(biāo)就是用最少的正則采到最多的消息。
正則寫得儉樸，還是對(duì)本人采集程度的一個(gè)錘煉。越儉樸，找正則規(guī)律的請(qǐng)求就越高，多錘煉本人，采集時(shí)才比較容易一次就采到本人想要的東西。
2.在正則內(nèi)盡管減少空格和回車的應(yīng)用。
甘樣樣說(shuō)可能不是很明確?？崭裾l(shuí)不用？注意：甘樣里說(shuō)的不是一個(gè)或兩個(gè)空格，而是大片相連的空格。
空格的存在當(dāng)然是必要的，但寫采集正則時(shí)涌現(xiàn)大片相連的空格甚至包含大批回車時(shí)只能闡明兩個(gè)問(wèn)題：一，要么是對(duì)方的網(wǎng)頁(yè)太不容易采集，讓你不得不應(yīng)用大片相連空格及回車來(lái)區(qū)分采集區(qū)域，否則找不到別的措施了；二，要么是你太懶，懶得仔細(xì)地找正則，看到什么就是什么，大片的復(fù)制下來(lái)再說(shuō)，反正復(fù)制得越多越不容易和別的重復(fù)。
信任大多數(shù)人都是第二種。
但要注意，當(dāng)你大批復(fù)制對(duì)方網(wǎng)頁(yè)代碼當(dāng)成正則時(shí)，你也把本人推入了一種很可能采集失敗，或是某幾頁(yè)能成功，某幾頁(yè)以失敗告終的險(xiǎn)境。
某幾頁(yè)成功、某幾頁(yè)失敗的原因，同第1條所述，對(duì)方有可能偶爾在頁(yè)面內(nèi)轉(zhuǎn)變正則。甘樣種情況雖然不大遇到，但要充分考慮到。
大多數(shù)復(fù)制大批代碼當(dāng)正則的同志，是處于一種不成功便成仁的地步的。因?yàn)榭崭襁€算好，不會(huì)出太多問(wèn)題；但回車的問(wèn)題很嚴(yán)格。我采集時(shí)，創(chuàng)造，往往有些網(wǎng)頁(yè)在正則內(nèi)應(yīng)用了回車，就會(huì)采集失敗——完整不認(rèn)采集區(qū)域。回車是個(gè)很好的辨識(shí)標(biāo)記，但——詳細(xì)原因還不明了——有時(shí)它會(huì)導(dǎo)致全部采集過(guò)程的失敗。
3.分頁(yè)區(qū)域正則。
很多人能很好地設(shè)定全部頁(yè)面的正則，但往往失敗在分頁(yè)正則上班（我到現(xiàn)在都不是每個(gè)分頁(yè)都能采得到）。甘樣里提幾個(gè)技巧。
第一，盡量不要把分頁(yè)區(qū)域包含在消息正文正則內(nèi)。甘樣一點(diǎn)……如果有人看菜鳥手冊(cè)的話……嚴(yán)正聲明，那里面是寫錯(cuò)的，當(dāng)時(shí)對(duì)采集不是很懂得，所以寫錯(cuò)了。如果把分頁(yè)區(qū)域包含在消息正文正則內(nèi)，會(huì)導(dǎo)致采到的消息有兩行第1頁(yè)、第2頁(yè)等的顯示——因?yàn)榘褜?duì)方的分頁(yè)也當(dāng)正文采來(lái)了。
第二，要注意“上班下頁(yè)導(dǎo)航”和“全部列出式”?，F(xiàn)在大多數(shù)網(wǎng)頁(yè)是兩種模式同時(shí)存在的。所以在寫正則時(shí)，如果你是應(yīng)用某一種模式，要注意過(guò)濾掉另一種模式的鏈接，不然會(huì)導(dǎo)致采到過(guò)多的分頁(yè)，一般是會(huì)涌現(xiàn)兩個(gè)第2
第三，當(dāng)分頁(yè)采集屢屢失敗，又實(shí)在查不出錯(cuò)在哪里時(shí)，懇求看一下第2、3、4……頁(yè)的消息正文的正則，是否與你寫的消息正則一致。有的網(wǎng)頁(yè)，后面幾頁(yè)用到的代碼和第一頁(yè)會(huì)不一樣，往往會(huì)比第一頁(yè)少掉一些，甘樣時(shí)，如果你用的消息正文正則正好用到了后面幾頁(yè)沒(méi)有的代碼，那你分頁(yè)正則即使寫得完整沒(méi)有問(wèn)題，由于后幾頁(yè)的正文它采集不到，顯示出來(lái)的就是沒(méi)有采到分頁(yè)（T_T 某蓮曾在甘樣個(gè)問(wèn)題上班給它耗掉整整一個(gè)黑看不見(jiàn)的時(shí)候，血淚史啊……）
4.采集中盡量減少用*，或者，至少有選擇個(gè)性地用*。
比如<a href=http://www./cms/ecms/1225/"鏈接">OOXXOOXX</a>甘樣個(gè)，不少人愛(ài)好用<a href="[!--newsurl--]">*</a>來(lái)采集。但是試問(wèn)，甘樣個(gè)*有什么意義嗎？列位哪位有見(jiàn)過(guò)，有哪個(gè)<a>.....</a>之間是沒(méi)有東西的嗎？所以甘樣個(gè)*放在甘樣里，有放沒(méi)放是一個(gè)樣的。除非是甘樣個(gè)鏈接正則太復(fù)雜了，必定要靠*之后的代碼繼承區(qū)分?jǐn)喽?，以過(guò)濾掉不要的，甘樣時(shí)才需要用*。
用*有一個(gè)弊病——在你對(duì)正則看得不是很清楚，不太負(fù)責(zé)任地加*的時(shí)候，很可能不能完整采集到你想采集的內(nèi)容，或是一不警惕把要采集的內(nèi)容去掉了。所以能不用*盡量不要用*。
|
