写了好几个版本的采集，都有这个那个问题，并且采集规则的设置基本都差不多。

在探索新的方式的采集规则设置的时候，随口和Loning问了句，他回：我现在不用正则采集了，用dom。

但他用的都是net的，在或许的心里下，soso了php的dom，结果还真给找出来了个，叫：phpQuery。

用过jQuery的人都知道，jQuery的选择器很强大，这个phpQuery和jQuery如出一辙，选择功能可以说完全一样。

从SVN下了个最新的0.9.5版本，简单写了个测试代码：

require('phpQuery/phpQuery.php');

$s=file_get_contents('http://tech.163.com/digi/09/0223/19/52S47HNQ001624J2.html');
$doc=phpQuery::newDocumentHTML($s);
echo '标题:'.$doc['html>body>div.endArea>div.col1>div#endMain>div.theTitle>h1#endTitle']->text();
echo '<br/>来源:'.$doc['html>body>div.endArea>div.col1>div#endMain>div.theTitle>div.text>a:first']->text();

果然不错，直接输出我想要的标题和来源。

其实对于最终用户来说，最难的就是写
html>body>div.endArea>div.col1>div#endMain>div.theTitle>h1#endTitle
这部分代码，其实它写起来相当简单，用IE的WebDeveloper或Firefox的FireBug，点击查看就可以网页中拾取标签对象及完整路径。

这远远比打开源代码，分析源码简单很多，效率更高，当然更无需分析源代码。

在采集设置上做适当的界面优化，完全可以弄成“傻瓜化”的采集程序。

只不过……

这phpQuery也太恐怖了点，导出来的干净代码竟然有20mb..简直是庞然大物。

或许，你会问我，KingCMS的php版会不会用它做采集模块？答案是……

看这文章所属列表就知道了...