今天,小编主要为大家介绍一下:前嗅ForeSpider脚本中的频道脚本。
频道脚本是频道配置中的脚本, 如果配置了频道脚本,该频道的所有采集流程将被配置的脚本所接管。
一.可用全局对象(只读)
EXTRACT:当前采集引擎[ 对象类型: extractor ]
DATADB:当前连接的数据库[ 对象类型: dataBase ]
RESULT:当前结果集对象[ 对象类型: result ]
二.this指针
当前频道节点[channel ]对象
三.脚本返回值
无
示例一:
用脚本创建一个采集源列表
1.以下脚本将生成
http://xjrb.xjrb.com/xjrb/20141231/index.htm 共31条链接:
url u;
for(i=1;i <=31;i++){
u.entryid = this.id; //频道Id
u.tmplid = 1;//模板Id
u.urlname="http://xjrb.xjrb.com/xjrb/201412"+ i.Dim(2) + "/index.htm"; //链接地址
u.title = "test";
RESULT.AddLink(u);//添加到最后的结果中
}
2.以下脚本将生成从当前日期递推前十天的链接:
url u;
time t1;
for(i=0;i<10;i++){
u.title = "test"; //链接标题
u.entryid = this.id; //频道id
u.tmplid = 1;//模板Id
pre = t1.Preday(i);//向前计算日期
u.urlname = "http://www.cdrb.com.cn/html/"+ pre.year +"-" + pre.month + "/" + pre.day + "/content_2155799.htm"; //链接地址 RESULT.AddLink(u);//添加到最后的结果中
}
3.以下脚本用关键词拼接链接
url u;
var keys=["前嗅","爬虫"];
for(i=0;i<keys.size;i++){
u.title = "检索"; //链接标题
u.entryid = this.id; //频道id
u.tmplid = 1; //模板Id
u.url = "http://ww.forenose.com/search?keywords="+ keys[i]; //链接地址
RESULT.AddLink(u);//添加到最后的结果中
}
示例二:用脚本采集数据
1.以下脚本查找表格并抽取表格数据
gdoc = EXTRACT.OpenDoc(this,"http://gk.sjtu.edu.cn/index.php/list/fellow/2015-10-30-15-02-59/241-2015-11-18-02-21-01",0);
if(gdoc){
dm = gdoc.GetDom();
record rec;
if(dm){
tab = dm.FindName("table");
if(tab){
tr = dm.FindName("tr", tab);
while(tr){
name = dm.FindName("td", tr);
if(name){ //找到数据
posd = 0;
corp=0;
fund=0;
rec.name = dm.GetTextAll(name); //名字
posd = name.next;
if(posd){
corp = posd.next;
rec.position = dm.GetTextAll(posd);
}
if(corp){
fund = corp.next;
rec.company =dm.GetTextAll(corp);
}
if(fund){
rec.fund =dm.GetTextAll(fund);
}
RESULT.AddRec(rec,3);
}
tr = tr.next; }
}
}
EXTRACT.CloseDoc(gdoc);
}
2.以下脚本从服务器请求json数据并存入到记录中gdoc = EXTRACT.OpenDoc(this,"http://www.w3school.com.cn//example/jquery/demo_ajax_json.js",0);
if(gdoc){
jScript js;record rec;data = js.RunJson(gdoc.GetDom().GetSource());
rec.name = data.firstName;
rec.family=data.lastName;
rec.age = data.age;
schea =EXTRACT.GetSchema("schemaName"); //获取表单ID
if(schea){
sId = schea.id;
else sId = 1;
RESULT.AddRec(rec,sId);
}
EXTRACT.CloseDoc(gdoc);
}