如之前课程所述,选择器首先是用来描述出需选择的数据块Block、数据片Tile或元数据Meta所在的区域,在RuiJi Scraper中,必须以Css选择器为开始。
在描述出需选择的区域之后,可以根据需要对选择出的区域的源代码进行下一步的清洗,整理。所以在RuiJi Scraper中选择器为一个数组。通常第一个选择器用来选择区域,之后的选择器用做清洗,整理数据之用。从第二个选择器开始,选择器的输入是上一个选择器的输出。
在RuiJi Scraper中提供了多种选择器,如果您对数据的精细度没有太大要求的话,只使用一个选择器就可以,如果您希望提取出的数据更加精确,更满足业务需要,您可以使用更多的选择器来达到您的目的。
RuiJi Scraper的选择器与RuiJi.Net的选择器一样,具有如下类型:
类型 | 说明 | 选项 | 说明 |
css | Css选择器 | outerHTML | Dom外部HTML |
innerHTML | Dom内部HTML | ||
text | Dom内文本 | ||
Attribute | Dom上的属性 | ||
reg | 正则选择器 | n […] | 可选填,数字类型 未定义取出正则匹配结果 已定义取出第n个结果,可以为多个 |
regS | 分割选择器 | strR n | 以正则strR进行分割,取第n个结果 |
text | 文本区域选择器 | beginR endR | 裁剪出beginR和endR之间的文本 |
ex | 排除选择器 | strR -a | 排除strR的正则结果 |
strR -b | 排除开始位置strR的正则结果 | ||
strR -e | 排除结束位置strR的正则结果 | ||
regR | 替换选择器 | strR str | 将strR的正则匹配结果替换成str |
jpath | JSON选择器 | path | 预留 |
xpath | xpath选择器 | path | 预留 |
clear | 标签清除选择器 | tag | 清除tag标签 |
exp | 表达式选择器 | urlexp | 以通配符方式匹配出地址 |
proc | 函数选择器 | name | 需要执行的函数名称 |
其中n代表数字类型,以R为结尾的参数代表为正则表达式
qq群 : 545931923