首页 > 网站 > 建站经验 > 正文

实例解释比较详细的杰奇小说采集规则编写教程

2019-11-02 17:01:00
字体:
来源:转载
供稿:网友

添加采集规则

规则说明

系统默认变量:<{articleid}> - 文章序号,<{chapterid}> - 章节序号, <{subarticleid}> - 文章子序号, <{subchapterid}> - 章节子序号。

系统标签 * 可以替代任意字符串。

系统标签 ! 可以替代除了<和>以外的任意字符串。

系统标签 ~ 可以替代除了<>'"以外的任意字符串。

系统标签 ^ 可以替代除了数字和<>之外字符串。

系统标签 $ 可以替代数字字符串。

采集规则中,需要获取的内容部分用四个以上系统标签代替,如 !!!!

基本设置

    网站标识configs/article/collectsite.php中所添写的标识,可随便填写,一般为所采集站点的域名简写,以和其他规则区分。例:feiku

    网站名称所采集站的名称。例:飞库

     网站地址所采集站的地址。例:http://www.feiku.com

    文章子序号运算方式不是必须添写的,我这里就留空了。

支持使用<{articleid}>标记的四则运算(+加,-减,*乘,/除,%取余)

    章节子序号运算方式不是必须添写的,我这里就留空了。(谁知道他一个文件夹放多少书啊,他不按规则放,我不是采集不到 )

支持使用<{articleid}>标记的四则运算(+加,-减,*乘,/除,%取余)

    代理服务器地址  不使用代理服务器请留空

    代理服务器端口  

    现有章节无法对应时候是否全部清空重新采集 是 否  根据自己需要选择

    是否默认把采集到的文章设置为全本 是 否  根据自己需要选择,如果选择"是"无论文章是连载还是完结,你站上都显示全本,建议选“否”

    发送HTTP_REFERER标志,用于突破防采集设置 是 否  默认选“是”,不知道什么用,我选“是”先突破下再说

    对方网页编码  (自动检测 GB2312 UTF8 BIG5)默认“自动检测” 编码与本站不同将自动尝试转换

文章信息页面采集规则

    文章信息页面地址书籍信息页网址,书籍ID用<{articleid}>代替。例:

http://feiku.com/Book/<{articleid}>/Index.html

    文章标题采集规则要求会查看网页的源文件啊 ,不会的可以停止了 .查看下信息页面的源文件,然后找到文章标题在源文件的什么位置(我们是以飞库为例的,就是章节信息页面那个《文章标题》在源文件的位置).这里以《我的美女大小姐》这个为例,找到标题附近的代码是<div id="CrBookTitle"><span class="booktitle">《我的美女大小姐》</span></div>把上面代码复制到文章标题采集规则的那个框里,然后把我的美女大小姐这个真实的标题替换为!!!!当然也可以替换成其他的替换符号比如****不过讲究的是在能表达意思的情况下范围越小越好(习惯问题,这里当然只能采集到文章标题了,但是其他的一些采集的时候就有你不想要的东西).

    作者采集规则<li class="l6"><a href="/Author/WB/144238.html">李兴禹</a></li>这里的李兴禹是要采集的内容,用!!!!代替不过144238只对这个文章有用,其他文章有其他的数字,所以用任意数字串$代替.所以作者采集规则就是

<li class="l6"><a href="/Author/WB/$.html">!!!!</a></li>

    文章类型采集规则 <li class="l2"><a href="/Book/LN/133.html">都市</a></li>由上面两个采集规则的写法不难看出这里的规则是 <li class="l2"><a href="/Book/LN/$.html">!!!!</a></li>
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表