来源：百度文库 编辑：九乡新闻网 时间：2024/04/25 04:08:16
关关采集器，主要使用正则采集，以下是正则的一些表达
\d* 表示数字
\s* 表示空格+换行
.+? 表示字符(不能为空)
.* 表示字符(可以为空)
() 表示我们需要的部分
((.|\n)*) 章节的内容部分，包括了换行。
=====杰奇对应=====
!!!! 相当于 ([^><]*)
~~~~ 相当于 ([^><'"]*)
^^^^ 相当于 ([^><\d]*)
$$$$ 相当于 ([\d]*)
**** 相当于 (.*)
=====其他基本=====
. 匹配任何单个字符。例如正则表达式r.t匹配这些字符串：rat、rut、r t，但是不匹配root。
$ 匹配行结束符。例如正则表达式weasel$ 能够匹配字符串"He's a weasel"的末尾，但是不能匹配字符串"They are a bunch of weasels."。
^ 匹配一行的开始。例如正则表达式^When in能够匹配字符串"When in the course of human events"的开始，但是不能匹配"What and When
in the"。
* 匹配0或多个正好在它之前的那个字符。例如正则表达式.*意味着能够匹配任意数量的任何字符。
\ 这是引用府，用来将这里列出的这些元字符当作普通的字符来进行匹配。例如正则表达式\$被用来匹配美元符号，而不是行尾，类似的，正则
表达式\.用来匹配点字符，而不是任何字符的通配符。
万能图片规则<[^<]*((?<=<(?:img|IMG)[^>]*(?:(?:src|SRC)(?:\s*=\s*(?:["']?))))(?:[^\s"'>]*)\.(?:jpg|gif|jpeg|bmp|png|GIF|JPG))
[^>]*>
附带：藏海阁文学网 采集规则，全文字的哦
Match
None
RuleID
1
Match
None
GetSiteName
藏海阁
Match
None
GetSiteCharset
utf-8
Match
None
GetSiteUrl
http://www.canghaige.com/
Match
None
NovelSearchUrl
http://www.canghaige.com/Book/Search.aspx
Match
None
NovelSearchData
SearchKey={SearchKey}&SearchClass=1
Match
None
NovelSearch_GetNovelKey
<div id="CListTitle"><a href="/Book/(\d*)/Index.aspx" target="_blank"><b>{SearchKey}</b></a>
Match
None
NovelListUrl
http://www.canghaige.com/type/1/
Match
None
NovelList_GetNovelKey
<a href="http://www.canghaige.com/books/(\d*)/" id=".+?" title=".+?">(.+?)</a>
Match
None
NovelUrl
http://www.canghaige.com/books/{NovelKey}/
Match
None
NovelErr
未找到该编号的书籍信息
Match
None
NovelName
<h1>(.+?)</h1>
Match
None
NovelAuthor
作者：(.+?)</span>
Match
None
LagerSort
书籍类别:(.+?)</span>
Match
None
SmallSort
书籍类别:(.+?)</span>
Match
None
NovelIntro
<div>内容简介：((.|\n)*?)</div>\s*</li>
Match
None
<span(.|\n)+?</span>|<p>|<a.+?</a>|</div>
NovelKeyword
<h1>(.+?)</h1>
Match
None
NovelDegree
连载状态：(.+?)</span>
Match
None
NovelCover
<a class="pic"><img src="(.+?)"
Match
None
NovelDefaultCoverUrl
Match
None
NovelInfo_GetNovelPubKey
连载状态：(.+?)</span>
Match
None
PubCookies
Match
None
PubIndexUrl
http://www.canghaige.com/books/{NovelKey}/
Match
None
PubIndexErr
这里必须填写
Match
None
PubVolumeContent
Match
None
PubVolumeSplit
<h3>
Spilt
None
PubVolumeName
Title">(.+?)</div>
Match
None
PubChapterName
<li><a href="http://www.canghaige.com/book/\d*/\d*/">([^<]+?)</a>
Match
None
PubChapter_GetChapterKey
<li><a href="(http://www.canghaige.com/book/\d*/\d*/)">[^<]+?</a>
Match
None
PubContentUrl
{ChapterKey}
Match
None
PubContentErr
这里必须填写
Match
None
PubContent_GetTextKey
Match
None
PubTextUrl
Match
None
PubContentText
<div id="zjneirong" style="font-size:14px;width:100%;">((.|\n)+?)<hr
Match
None
<div.+?>|<div>|</div>|<DIV.+?>|</DIV>|<script(.|\n)+?</script>|<style(.|\n)+?</style>|<a(.|\n)+?</a>
PubContentReplace
Match
None
PubContentImages
<[^<]*((?<=<(?:img|IMG)[^>]*(?:(?:src|SRC)(?:\s*=\s*(?:["']?))))(?:[^\s"'>]*)\.(?:jpg|gif|jpeg|bmp|png|GIF|JPG))[^>]*>
Match
None
九乡新闻网