定义信息源的一些示例(xml文件)

这里有一些共享的信息源,点击Download按钮下载即可。

本文目录

1、订阅博客,简单一例

2、从网页获取信息,简单一例

3、充分使用callback回调代码

4、html_re中包含多个block

5、使用html_json这个worker,解析json数据

 

1、订阅博客,简单一例:

<source>
    <name>范志红博客</name>
    <comment>搜狐博客。原创营养信息。</comment>
    <link>http://snowheart19.blog.sohu.com/</link>

    <worker>rss_atom</worker>
    <data>
        <url>http://snowheart19.blog.sohu.com/rss</url>
    </data>
</source>

 

2、从网页获取信息,简单一例:

<source>
    <name>ybk168新邮预告</name>
    <comment>ybk168新邮预告</comment>
    <link>http://www.ybk168.com/newslist/00040051.html</link>

    <worker>html_re</worker>
    <data>
        <url>http://www.ybk168.com/newslist/00040051.html</url>
        <block>
            <blockre flags='DOTALL'>
<![CDATA[
<div class="list">(.*?)<div class="page">
]]>
            </blockre>
            <itemre flags='DOTALL'>
<![CDATA[
<li><span.*?href="([^"]+)".*?title="([^"]+)".*?
class="list_lr">([^<]+)<
]]>
            </itemre>
            <maprules>
                <title>2</title>
                <url>'http://www.ybk168.com', 1</url>
                <pub_date>3</pub_date>
            </maprules>
        </block>
    </data>
</source>

 

3、充分使用callback回调代码:

<source>
    <name>北京空气质量</name>
    <comment>北京环境监测的微博。',利有散染预【8时' in s or '浓度】' not in s</comment>
    <link>http://weibo.cn/u/2516831703</link>

    <worker>html_re</worker>
    <data>
        <url>http://weibo.cn/u/2516831703</url>
        
        <block>
            <blockre flags='DOTALL'>
<![CDATA[
<div class="b">(.*)$
]]>
            </blockre>
            <itemre flags='DOTALL'>
<![CDATA[
weibo\.cn\[([\d-]+)
]]>
            </itemre>
            <maprules>
                <title>'notitle'</title>
                <pub_date>1</pub_date>
                <suid>1</suid>
            </maprules>
        </block>
        
        <block>
            <blockre flags='DOTALL'>
<![CDATA[
^(?:.*?\[<span class="kt">置顶</span>\]|.*?<span class="pms">)
(.*?)
<input type="submit" value="查看更多内容"
]]>
            </blockre>
            <itemre flags='DOTALL'>
<![CDATA[
<div class="c" id="([^"]+)">
(?:<div><span class="ctt">|.*?<span class="cmt">转发理由:</span>)
(.*?)
(?:</span>|<a [^>]+>赞\[\d+\]).*?
<span class="ct">([^& ]+)
]]>
            </itemre>
            <maprules>
                <title>'notitle'</title>
                <summary>2</summary>
                <pub_date>3</pub_date>
                <suid>1</suid>
            </maprules>
        </block>
    </data>
    
    <callback>
<![CDATA[
if posi == 0:
    temp_date = info.pub_date
    info.temp = 'del'
elif '日' in info.pub_date:
    info.temp = 'del'
else:
    s = info.summary
    if ',' in s or \
       '利' in s or \
       '有' in s or \
       '散' in s or \
       '染' in s or \
       '预' in s or \
       '【8时' in s or \
       '浓度】' not in s:
        info.url = 'http://weibo.cn/u/2516831703'
        info.pub_date = ''
        info.title = '[' + temp_date + '] ' + s[:16] + '…'
    else:
        info.temp = 'del'
]]>
    </callback>
</source>

 

4、html_re中包含多个block:

<source>
    <name>中国国家地理</name>
    <comment>中国国家地理</comment>
    <link>http://www.dili360.com/</link>

    <worker>html_re</worker>
    <data>
        <url>http://www.dili360.com/</url>
        
        <block>
            <blockre flags='DOTALL'>
<![CDATA[
<div class="community-item" id="community-items" >
(.*?)<!--end-->
]]>
            </blockre>
            <itemre flags='DOTALL'>
<![CDATA[
<li class="img-block".*?
<a target="_blank" href="([^"]+)">.*?
<h4>(.*?)</h4>
]]>
            </itemre>
            <maprules>
                <title>2</title>
                <url>'http://www.dili360.com', 1</url>
            </maprules>
        </block>
        
        <block>
            <blockre flags='DOTALL'>
<![CDATA[
<div class="community-item" id="community-items" >
(.*?)<!--end-->
]]>
            </blockre>
            <itemre flags='DOTALL'>
<![CDATA[
<dt><a href="([^"]+)" target="_blank">(.*?)</a></dt>
]]>
            </itemre>
            <maprules>
                <title>2</title>
                <url>'http://www.dili360.com', 1</url>
            </maprules>
        </block>
        
        <block>
            <blockre flags='DOTALL'>
<![CDATA[
<ul class="style-1" id="replace">(.*?)</ul>
]]>
            </blockre>
            <itemre flags='DOTALL'>
<![CDATA[
<div class="detail">.*?
<a href="([^"]+)" target="_blank"><h4>(.*?)</h4>
]]>
            </itemre>
            <maprules>
                <title>2</title>
                <url>'http://www.dili360.com', 1</url>
                <summary>'景观图片'</summary>
            </maprules>
        </block>
        
    </data>
</source>

 

5、使用html_json这个worker,解析json数据:

<source>
    <name>新浪书讯</name> <comment>新浪图书,书讯。</comment> <link>http://book.sina.com.cn/</link> <worker>html_json</worker> <data> <url>http://feed.mix.sina.com.cn/api/roll/get?callback=jsonp1436772833418&amp;pageid=8&amp;lid=156&amp;num=20</url> <re flags='DOTALL'> <![CDATA[ ^try\{\w+\( (.*) \);\}catch\(e\)\{\};$ ]]> </re> <block> <block_path>'result', 'data'</block_path> <title>'title'</title> <url>'url'</url> <summary>'summary'</summary> <temp>'intro'</temp> <pub_date>'ctime'</pub_date> </block> </data> <callback> <![CDATA[ info.pub_date = unixtime(info.pub_date) info.summary = info.summary or info.temp info.temp = 0 ]]> </callback> </source>

 

转载于:https://www.cnblogs.com/infopi/p/4871223.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值