自作网站遇到问题

Question

本人现在在做一个系统，要利用网络爬虫从一些类似主题的网站上爬出类似主题的文章，然后显示在我的网站上。
现在我遇到几点问题，想找人请教下：
1.有的文章连页面上的内容和相关的html标签一起拔下来后，发现长度特别长，到时候要能分页显示出来，我该采取何种存储方式要好些？我用的是sql server 数据库
2.我将内容从网站上拔下来后，有哪些字符和内容需要进行处理，比如单引号之类的，不然保存时会报错啊。

Answer 1

正则抓取特定内容http://topic.csdn.net/u/20110202/13/139c25fe-fe7a-4950-b8ea-09627b87b764.html

Answer 2

你应该获取内容，不要获取内容外边的html，也不要css，如果真的很长的话，你可以程序自动加入分页符也可手动加入分页符，sql的这个字段设置为varchar（8000），绝对够用。