您现在的位置是:首页 > 采集器采集器

2022最新关关采集器规则编写教程(适用10.1至5.0.X)等关关版本入库杰奇jieqi

2021-12-17 10:05:24采集器59人已围观

简介关关采集器通用替代符(适用所有关关版本)

1. \d* 表示数字

2. \s* 空格或换行

3. .+? 表示不需要的字符

4. .* 表示字符

5. () 表示需要截取的

关关采集器通用替代符(适用所有关关版本)
 

1、内容:((.|\n)+?)

2、需要的:(.+?)

3、不需要的:.+?

4、书号:(\d+)

5、不要地址:\d*

6、分页:{Page}


   1.  \d*  表示数字

   2.  \s*  空格或换行

   3.  .+? 表示不需要的字符

   4.   .* 表示字符

   5.  ()  表示需要截取的部分

   6.    ((.|\n)*) 章节内容截取

   7.  .  表示单个字符

   8.  $   表示结束字符 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."。

   9.  ^  表示一行的开始 

   10.  < [^<]*((?<=<(?:img|IMG)[^>]*(?:(?:src|SRC)(?:\s*=\s*(?: ["']?))))(?:[^\s"'>]*)\.(?:jpg|gif|jpeg|bmp|png|GIF|JPG)) [^>]*> 万能图片代码
————————————————

实例教程


第一步 1.寻找目标站 这里我们拿 笔趣阁  https://www.biquge.biz  为例子  

            2. 复制原有规则为采集模板 并改名为  biquge.biz.xml 

            3.打开关关规则编辑器  选择 biquge.biz.xml  载入 

            4. 开始编写规则.

 

第二步  1.RULEID(规则编号)这个任意写即可

            2.GetSiteName(站点名称)这里我们写biquge.biz

            3.GetSiteCharset(站点编码) 这里我们打开www.biquge.biz源代码查找 charset= 得到charset=gbk这个gbk就是我们需要的站点编码

            4.GetSiteUrl(站点地址)目标站地址 写入http://www.biquge.biz

            5.NovelSearchUrl(站点搜索地址) 这个搜索栏地址的获得,按照每个网站程序的不同,适当的修改(也可以忽略)

            6. NovelListUrl(站点最新列表地址) 目标站点显示更新的网址 例如 http://www.biquge.biz

           7.NovelList_GetNovelKey(从最新列表中获得小说编号)在这个规则中我们要获取小说名和小说编号 例如  这个地址查看源文件,我们编写这个规则的时候找到想要获得的内容所在的地方,比如我们打开地址看到想要获得的内容的第一本小说的名字是“从大秦开始的西游”我们在源文件里面找到“从大秦开始的西游”

                        <span class="s1">[修真小说]</span>
                        <span class="s2"><a href="/47_47923/" target="_blank">从大秦开始的西游</a></span>
                        <span class="s3"><a href="/47_47923/869686.html" target="_blank">第623章 追杀金翅大鹏,守株待兔【求订阅求月票】</a></span>
                        <span class="s4">铁木七</span><span class="s5">12-17</span>

以上代码中 我们要找到 <span class="s2"><a href="/47_47923/" target="_blank">从大秦开始的西游</a></span>     把这段代码 改成

<span class="s2"><a href="/(\d*)_(\d*)/" target="_blank">(.+?)</a></span>      其中 (\d*) 表示小说编号 (.+?) 表示小说名 测试下 获取正常

8.NovelUrl(小说信息页地址)这个很简单  比如  https://www.biquge.biz/47_47923/   从大秦开始的西游 这本小说 我们可以看到的 我们改下 将里面的47改成{NovelKey/1000},47923 换成 {NovelKey} 一般情况表示小说编号 就是  https://www.biquge.biz/{NovelKey/1000}_{NovelKey}/
 

 9.NovelErr(小说信息页错误识别标记) 这个我们随便输入一个没的小说的编号如https://www.biquge.biz/87_87923/这样我们获得的错误标记就是:对不起,该文章不存在! 

10. NovelName(获得小说名称正则)我们还是打开  从大秦开始的西游  这本小说   https://www.biquge.biz/47_47923/    查看源代码 获得小说名称 这个我们可以从固定模式着手 比如我们刚才打开的 从大秦开始的西游 这本小说 我们看到他的固定小说名格式是 从大秦开始的西游  那我们在源代码里 找到 从大秦开始的西游   这个 我们得到的内容是

    <h1>从大秦开始的西游</h1> 改成 <h1>(.+?)</h1>  

 NovelAuthor(获 得小说作者)、LagerSort(获得小说大类)、SmallSort(获得小说大类)、NovelIntro(获得小说简介)、 NovelKeyword(获得小说主角(关键字))、NovelDegree(获得写作进程)、NovelCover(获得小说封面) 这些同 10. 一样获取即可

 这里地方补充一下,有些站点头部信息完善的可以通过获取关键词这个方式    meta name="keywords" content="(.+?)"/>  可以用此方式获取作者,进度,封面图等信息。

11.NovelInfo_GetNovelPubKey(获得小说公众目录页地址)这个的地址获得跟上面的一样的方法


12.PubIndexUrl(公众目录页地址) 这个我说明一下,这个的用法这个一般是在知道采集目标站的动态地址的时候用到,如果不知道对方动态地址的话就在这个里面写入{NovelPubKey} 如果知道动态路径比如说https://www.biquge.biz这个站的每一本小说的章节目录都是静态地址那么 PubIndexUrl 这个的规则就是

 https://www.biquge.biz/{NovelKey/1000}_{NovelKey}/


 PubVolumeSplit(分割分卷)这个分割分卷  按照目前排名比较靠前的站点来说都已经取消了分卷阅读的功能,此处可以忽略

14.PubVolumeName(获得分卷名) 想要获得准确的分卷名,必须在上面的分割部分的正则必须正确,一般情况下分割部分跟分卷名是在一块的

 按照目前排名比较靠前的站点来说都已经取消了分卷阅读的功能,此处可以忽略


15. PubChapterName(获得章节名) 这个我们拿一段来说明<dd><a href="/47_47923/569996.html" >第1章 阴阳生死卷【求收藏求推荐票】</a></dd>
如果有碰到时间、日期、更新字数什么的我们直接忽略,因为这些不是我们要获得的内容,这个我们可以用 .+? 来表示。 好了我们吧上面的那一段改下改成表达式

<dd><a href="/\d*_\d*/\d*.html">(.+?)</a></dd>

不是单行的话我们用\s* 来表示N个换行符

16.PubChapter_GetChapterKey(获得章节地址(章节编号))这里说明下 这个里面的章节编号是在下面的 PubContentUrl(章节内容页地址)用到,那么这里我们需要获得的是章节地址分析得到

<dd><a href="/\d*_\d*/(\d*).html">.+?</a></dd>

章节地址那为什么我们还有用到章节名的呢?这个说下主要就是为了避免获得的章节名跟获得的章节地址不匹配。 
如果是章节页是乱序的这里就要获得章节编号了(强烈见意用户用获得章节编号)
我们说下章节编号的写法 其实并不麻烦只需要稍微改下就行了。 

<dd><a href="/\d*_\d*/(\d*).html"  >.+?</a></dd>改成这样就可以了

17. PubContentUrl(章节内容页地址) 这里我拿  https://www.biquge.biz/47_47923/569996.html  这个来说明下该怎么用,其中的47923这个是小说编号这里我们用{NovelKey} 替代,569996这个就是在 PubChapter_GetChapterKey 里面获得的 章节编号我们{ChapterKey} 替代,以后我们分两种写法说明

https://www.biquge.biz/{NovelKey/1000}_{NovelKey}/{ChapterKey}.html

 

注: 这种写法 PubChapter_GetChapterKey里必需是获得章节编号的如 “<dd><a href="/\d*_\d*/(\d*).html"  >.+?</a></dd>” 

或者直接用 

{ChapterKey}

18. PubContentText(获得章节内容) 这个获得方法我们就拿 https://www.biquge.biz/47_47923/569996.html 这个地址来说吧,打开源代码我们看到 

<div style="text-align: center"><script>read2();</script></div>
            <div id="content">


................ ................ 中间省了............ ................ .................

<div style="text-align: center"><script>read3();</script></div>
            <div class="bottem2">

直接改成 <div id="content">((.|\n)+?)<div class="bottem2"> 

((.|\n)+?)为我们要获取的内容,

 这里需要匹配过滤规则,把所有无用及广告字节进行过滤



19.PubContentImages(章节内容中提取图片正则) 章节中图片可以直接用我们上面提到的万能图片规则

<[^<]*((?<=<(?:img|IMG)[^>]*(?:(?:src|SRC)(?:\s*=\s*(?:["']?))))(?:[^\s"'>]*)\.(?:jpg|gif|jpeg|bmp|png|GIF|JPG))[^>]*>

 

20.出现空章节情况有可能是目标站正好重启网站或者你的采集IP被封等原因
如 果不是以上原因,请先检查你采集的章节是否是图片章节,如果你的PubContentImages(章节内容中提取图片) 没有获得图片章节内容的话软件 就会检查你的采集文字内容 PubContentText(获得章节内容)这个里面的正则的匹配,如果 PubContentImages(章节内容中提 取图片) 跟PubContentText(获得章节内容) 都没有匹配的内容,那么就出现了上面我们说的空章节的原因。


最后保存规则后重新载入规则进行“测试规则”



我们看到测试已经采集到文章内容信息,至此采集规则编写完成,预祝大家收录过百万,权重第一,收入倍增。

Tags: 关关采集器规则、关关规则编写教程、关关采集规则、关关采集编写教程  

很赞哦! ()

留言与评论 (共有 条评论)
验证码: