齐柏林手表验真假:关关采集规则教程

来源:百度文库 编辑:九乡新闻网 时间:2022/09/27 22:24:35

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
    &nbsp;
 

 
    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