关关采集器采集规则编写详细教程

最常用的字符：

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

第一步 1.寻找目标站 这里我们拿 必去看小说网 http://www.biquk.cn为例子

2. 复制原有规则为采集模板 www.biquk.cn.xml 重新复制一份

3.打开关关规则编辑器 选择 www.biquk.cn.xml复件.xml 读取

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http://www.biquk.cn

3.GetSiteCharset(站点编码) 这里我们打开www.http://biquk.cn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.http://biquk.cn

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

书库-全部小说-必去看小说网小说频道
​www.biquk.cn/xs/0-lastupdate-0-0-0-0-0-0-1.html
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“帝霸”我们在源文件里面找到“帝霸”

帝霸 把这段代码 改成

• 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http://www.biquk.cn/xs/1234465460.html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)我们随便打开一本小说http://www.biquk.cn/xs/1258.html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 遮天 这本小说 我们看到他的固定小说名格式是《帝霸》 那我们在源代码里 找到《帝霸》 这个 我们得到的内容是

  《帝霸》 改成 《(.+?)》

  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) 这些同上一样获取即可

  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} 就好了

  PubVolumeSplit(分割分卷)这个分割分卷 有写地方需要注意到 如果分割分卷的正则没对 那么有可能 对于下面的 获得章节名那些有很大的影响 这里 我们获得 分割部分的代码呢 按我的经验呢 是找到第一个 分卷 跟下面的分卷 查看他们的共同处 在我们分析这个目录章节里面的源代码 可以看出他们有个共同点 拿这一段来说明下

  帝霸正文

  单一代码为

  修改正则 为

  \s*

  其中的\s* 表示 匹配 与任何白字符匹配，包括空格、制表符、分页符等 也就是说 在 与

  之间 不管有多少个空格 都可以用 \s* 来表示

  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，上面我们说明分割部分用到的

  帝霸正文

  大家如果有注意看到的话 会发现 里面有 我们在这一步里面要获得的分卷名

  我们 改下代码

  \s* (.+?)\s*
  15. PubChapterName(获得章节名) 这个我们拿一段来说明
  16. 仙墓

  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

• (.+?)

• 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

• .+?

• 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。

• .+?
• 改成这样就可以了
  17. PubContentUrl(章节内容页地址) 这里我拿http://www.biquk.cn/xs/1258-3287009.html这个来说明下该怎么用，其中的1258 这个是小说编号这里我们用{NovelKey} 替代，3287009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

  http://www.biquk.cn/xs/{NovelKey}-{ChapterKey}.html

  注： 这种写法 PubChapter_GetChapterKey里必需是获得章节编号的如 “

• .+?
• ”

  或者直接用

  {ChapterKey}

  18. PubContentText(获得章节内容) 这个获得方法我们就拿www.http://biquk.cn/xs/1258-3287009.html这个地址来说吧，打开源代码我们看到

     &nbsp
  

  … … 中间省了… … …

      完

  直接改成

  ((.|\n)+?)

  ((.|\n)+?)为我们要获取的内容，

  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。