怎么写PTCMS小说采集规则?

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

怎么写PTCMS小说采集规则?
怎么写PTCMS小说采集规则?

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。

怎么写PTCMS小说采集规则?

4、更新列表规

https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_1.html  第1页
https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_2.html  第2页
https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_3.html  第3页
………………
https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_99.html  第99页

通过分析得出如下规则

https://www.txtbook.org/shuku/0_all_0_0_0_0_0_0_[page].html
 
系统中[page] 表示多页页码
怎么写PTCMS小说采集规则?

5、小说名称

怎么写PTCMS小说采集规则?
<ul>
                <li class="one">1</li>
                <li class="two">[玄幻奇幻]</li>
                <li class="three"><a href="https://www.txtbook.org/book/13887/" target="_blank">《你们练武我种田》txt下载</a><span class="gray"><a href="/read/13887/14529389.html" target="_blank" title="第四百七十八章:传播武道">第四百七十八章:传播武道</a></span></li>
                <li class="four"><a href="/author/%B0%A5%D3%B4%B0%A1" target="_blank" rel="nofollow">哎哟啊</a></li>
                <li class="five">连载中</li>
                <li class="six">2020-12-22 15:20</li>
            </ul>

根据“唯一”原则找到

<li class="three"><a href="https://www.txtbook.org/book/13887/" target="_blank">《你们练武我种田》txt下载</a><span class="gray">

分析这段代码获取我需要的数据,写规则;

方法一:

<li class="three"><a href=".*?" target="_blank">《(.*?)》txt下载</a><span class="gray">

方法二:

<li class="three"><a href=".*?" target="_blank">(.*?)txt下载</a><span class="gray">

这两种方法的区别在于方法需要替换掉《》,我用了方法二。

怎么写PTCMS小说采集规则?

6、小说书号

分析代码

<li class="three"><a href="https://www.txtbook.org/book/13887/" target="_blank">《你们练武我种田》txt下载</a><span class="gray">

规则

<li class="three"><a href="https://www.txtbook.org/book/(\d*)/" target="_blank">.*?</a><span class="gray">

d* 表示纯数字,(d*)表达我们要获取这里数字。

7、信息页地址

怎么写PTCMS小说采集规则?

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

怎么写PTCMS小说采集规则?

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

<div class="novel_status" data-status="1"></div>

再找一本完结的小说对比一下

<div class="novel_status" data-status="2"></div>

然后我们获取1、2再进行规则替换

怎么写PTCMS小说采集规则?
怎么写PTCMS小说采集规则?

9、通过上面学习之后,章节以及内容就很容易写了。

怎么写PTCMS小说采集规则?
怎么写PTCMS小说采集规则?
© 版权声明
THE END
喜欢就支持一下吧
点赞14
分享
评论 抢沙发