采集存在明显的缺陷:采集列表之前应该还有一步要做修正!!

本人在采集过程中,发现有些页面的符号作怪,不能让机器人识别,但又无法在采集列表之前进行过滤和替换,所以建议采集列表之前增加一步,可以过滤,或替换被采集页面源码的某些字符,内容,以免在采集过程中出现意外!!

[ 本帖最后由 wcl2222 于 2008-6-7 18:09 编辑 ]

郁闷啊,这个符号 ·  竟然过不去,抓取的内容遇到这个点就止住了,下面的抓不到!