分享：怎么用火车头采集指定特征的网址、图片 src

sanasnoz

        前些天用火车头从一个列表页采集一些网址，源码简化如下：

        [xhtml] view plain copy

        <div>

        <ahref="1"mce_href="1">111</a>

        </div>

        <div>

        <ahref="2"mce_href="2">222</a>

        <imgsrc=""/>

        </div>

        <div>

        <ahref="3"mce_href="3">333</a>

        </div>

        我要采集到第二个链接，就是链接后指定有个IMG的，这个常用来采集热门帖子等，当时写的网址采集规则：

        [xhtml] view plain copy

        <ahref="[参数]"mce_href="[参数]">(*)</a>

        <imgsrc=""/>

        却发现怎么都采集不对，最后想到原因：火车头从源码的前面开始匹配，每个链接都有<a href=”[参数]“>这个特征，所以就匹配到了第一个链接上面，怎么解决呢？花了10块钱，一个兄弟帮我写了个规则：

        [xhtml] view plain copy

        <ahref="[参数]"mce_href="[参数]">[参数]</a>

        <imgsrc=""/>

        就是把模糊匹配(*)给换成了[参数]，就这样简单，分享给大家。

大数据观察