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”。
第二、用全部列出式时，采集规则正确但是莫名其妙的出现重复的分页，这时可以利用替换法把它过滤掉（下一讲我们再说）。
第三、用上下页导航式时，老是采到第1页，其他页连个影子都没有见过，这是因为分页区域正则（[!--smallpagezz--]）截取错误。
第四、用上下页导航式时，可以采集到前几页了，但是接下来这前几页全部重复循环到底，这也是因为分页区域正则（[!--smallpagezz--]）截取错误，截取范围过大，导致重复截取前几个分页链接。
此文由 林心小筑 编辑，未经允许不得转载！：首页 > 潮·科技 » 帝国cms网站采集内容分页教程