各位前辈，网页采集软件中采集规则使用那种方式保存以及怎样使用更好？
比如，sina博文的采集规则（比如：从源码中抽取博文标题、内容和博文时间三项，其他内容不要）。采集1000篇sina博文。可以将这个规则使用一个数据表来保存，名字叫做“sina博文规则表”。网易博文的采集规则（比如：从源码中抽取博文标题、内容和作者三项，其他内容不要）。采集2000篇网易博文。可以将这个规则使用一个数据表来保存，名字叫做“网易博文规则表”。
那么当采集的时候，每一篇文章都要读数据表来获取采集规则，要读3000次（sina博文规则表要读1000次；网易博文规则表要读2000次）。这样频繁访问数据表的操作显然不是做好的，请问有什么好的方式呢？
谢谢各位！

[ 本帖最后由 bccnsir 于 2012-9-4 12:37 编辑 ]

用正则表达式可以很快的提取你需要的内容

看一看