64 lines
1.9 KiB
Markdown
64 lines
1.9 KiB
Markdown
## 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：
|
||
|
||
```python
|
||
# 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`内
|
||
- 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：
|
||
|
||
```python
|
||
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：
|
||
|
||
| 值 | 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/
|
||
|
||
```python
|
||
RULES={
|
||
'www.23us.la': Rules('http://www.23us.la', {'class': 'inner'}, {})
|
||
}
|
||
```
|
||
|
||
- http://zetianjiba.net
|
||
|
||
```python
|
||
RULES={
|
||
'zetianjiba.net': Rules('1', {'class': 'bg'}, {})
|
||
}
|
||
```
|
||
|
||
|
||
|
||
|
||
`content_selector`值的获取方式同上 |