PTCMS小说采集规则(原创)

2020年12月22日 119点热度 7人点赞 1条评论
准备

运行环境:CentOS7+Nginx 1.19+PHP7.3+MySQL AliSQL

程序源码:PTCMS_V4.3.0(Build 20200910)

注:本教程只讲解采集规则,程序源码以及如何安装请“百度一下”。

官方帮助文档https://www.ptcms.com/doc/index.html

常用正则表达:

'[内容]' => '(.*?)',就是我们需要获取的东西

'[数字]' => '\d*',这是纯数字

'[空白]' => '\s*',这是用在换行的地方,包括换行、空格、\r \n

'[任意]' => '.*?',这就是任意字符

'[参数]' => '[^\>\<]*?',这是html代码中的参数 如alt="标题" 这样的

'[属性]' => '[^\>\<\'"]*?',这是html代码中参数的属性 对于上述例子中的alt="标题" ,可以代替标题

注:如果想要获取内容就需要在正则表达示外加括号(英文状态下的),比如(.*?) 、(\d*),括号同时只能存在一个。

以https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_1.html为例讲解

一、添加站点

 

二、采集规则详细步骤

1、添加规则(规则管理-->添加);

2、规则名称根据实际情况填写;

3、所属站点选择上面添加的;其它默认就可以。

5、更新列表规则

通过分析得出如下规则

 

 

6、小说名称

根据“唯一”原则找到

分析这段代码获取我需要的数据,写规则;

方法一:

方法二:

这两种方法的区别在于方法需要替换掉《》,我用了方法二。

 

7、小说书号

分析代码

规则

\d* 表示纯数字,(\d*)表达我们要获取这里数字。

 

8、信息页地址

根据URL分析,是https://www.txtbook.org/book/+书号。

在官方教程文档中有相应的参数,

[subnovelid] == 分类ID

[novelid] == 小说ID

[chapterid] == 章节ID

 

8、小说名称、小说作者、小说封面、小说分类、小说简介、小说进度

这些规则都很好找不再多写,直接看下面图片。主要说一下小说进度,也是这次为什么用这个网站作为案例讲解的原因。

在源代码查到不到连载,通过小说图片左上角的“连载中”小图标找到代码

再找一本完结的小说对比一下

然后我们获取1、2再进行规则替换

 

9、通过上面学习之后,章节以及内容就很容易写了。

唯一度

上善若水,水利万物而不争。

文章评论

  • 飞子

    过来学习一下,之前一直想找这个找不到!感谢分享了!

    2021年03月02日