|
- UID
- 1110
- 帖子
- 2787
- 精华
- 3
- 贡献
- 20
- 推广
- 0
- 有效BUG
- 0
- 注册时间
- 2005-5-26
|
晕～
你还是没明白我的意思。
通常情况下<p></p>是表示一个段落，页面中很可能不止一个，如果有其他的选择一般是不建议使用这个来过滤的。
你要过滤的那个网站首页，你要过滤的就是下面的内容
- <p align="center"><iframe frameborder=0 src='http://www.booksky.org/qihoo1.htm' width='760' height='112' scrolling=no marginwidth=0 marginheight=0></iframe><br></p>
通常的作法是选择过滤这一段
- <iframe frameborder=0 src='http://www.booksky.org/qihoo1.htm' width='760' height='112' scrolling=no marginwidth=0 marginheight=0></iframe>
这个iframe就是广告部分，而且里面的height='112' 指定了这个部分的高度，看一下这个页面的源文件，这个是唯一的，所以用这个来过滤，其实也可以选择src='http://www.booksky.org/qihoo1.htm'这个来过滤，这些都是不会对其他内容造成影响的
同一个页面的下面也有这么一段广告代码
- <iframe frameborder=0 src='http://code.comuce.com/bdcode/275.html?userid=6793' scrolling=no marginwidth=0 marginheight=0 width='760' height='110'></iframe>
也就是这个页面中，这2个iframe就是广告，只要过滤掉这2个iframe就可以了
下面的正则表达式就可以匹配到所有的iframe，因为这个网页上只有2个iframe，下面的是可以的
但是如果有2个以上，并且其他的iframe都是正常内容的情况下，这个正则表达式就会有误杀现象。
所以必须要找一些有代表性的并且是唯一的东西来匹配，就像一开始说的，可以用高度，或者是链接的地址来匹配。
加入这里选择高度，那就是下面2条分别匹配到我们要过滤的部分。
- <iframe[^>]*?height='112'[^>]*?></iframe>
- <iframe[^>]*?height='110'[^>]*?></iframe>
如何合并上面的2条呢？还是我前面帖子里说的，找一下他们的区别，这2条区别就在height后面的数值不一样，看一下教程里提供的正则表达式
- |
- "或"分隔符, 分隔多个表达式, 只须匹配其中一个.
- 例: th(is|at|ese|ose) 可以匹配 this, that, these 或 those.
只要我们用"|"隔开2个不同的数字，其他部分就可以合并到一起了，你试试看能不能写出最后的规则。
(答案附在下面，一样建议不要看，先自己试试)
<iframe[^>]*?height='(?:112|110)'[^>]*?></iframe> |
|
发表于 2007-12-28 15:25
|