Skip to content
Permalink
Branch: master
Find file Copy path
Find file Copy path
Fetching contributors…
Cannot retrieve contributors at this time
64 lines (44 sloc) 1.95 KB

规则定义说明:

对于各类小说网站的解析,只需按照这个要求进行定义,解析便会尽量自动进行,总规则如下:

# 在项目下config/config.py文件中可以看到
Rules = namedtuple('Rules', 'content_url chapter_selector content_selector')
# 在自定义字典RULES下面可以看到各个网站的规则,仅限class和id
# demo  'name': Rules('content_url', {chapter_selector}, {content_selector})

对于各个namedtuple里面的content_url,chapter_selector,content_selector,下面通过不同类型的网站一一进行解释:

  • http://www.bxwx9.org/b/57/57181/

    打开这个网站,审查元素后你会发现:

    • url输入栏显示内容为http://www.bxwx9.org/b/57/57181/
    • 主要内容包含在.TabCss
    • 第一章的href值为8845907.html,由此可知该章的链接为http://www.bxwx9.org/b/57/57181/8845907.html

    最后写出规则:

    RULES={
      'www.bxwx9.org': Rules('0', {'class': 'TabCss'}, {})
    }

    key值起判断该网站是否被解析,注意此时content_url为0,这是表示在解析小说目录的时候,每章节对应的url在拼接过程中需要的是当前的url。对于content_url,请看下表:

    说明
    -1 不解析,跳转到原本网页
    0 表示章节网页需要当前页面url拼接
    1 表示章节链接使用本身自带的链接,不用拼接
    netloc 用域名进行拼接

    chapter_selector解析章节目录的规则

    content_selector解析目录内容的规则

  • http://www.23us.la/html/0/42/

    RULES={
      'www.23us.la': Rules('http://www.23us.la', {'class': 'inner'}, {})
    }
  • http://zetianjiba.net

    RULES={
      'zetianjiba.net': Rules('1', {'class': 'bg'}, {})
    }

content_selector值的获取方式同上

You can’t perform that action at this time.