关关采集规则编写详细教程

有些人又问了 为什么我采集某个站 为什么老出现空章节呢 这个出现可能空章节的原因 这个 有可能是 目标站正好重启网站 你的采集IP被封 等等... 这里我要说明的 出现空章节的是 因为图片章节引起的缘故  采集器的采集内容的操作程序 是 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) 的正则不正确 没有获得 图片章节内容的话 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 好了 规则写好了 我们来测试下 规则是否能够正常获得想要获得的内容 测试显示 我们写的规则能够正常的获得想要的内容

附上我爱读书网采集规则供大家参考：           Match    None        RuleVersion            Match    None    22    RuleID            Match    None    http://www.52dsw.net/    GetSiteName            Match    None    gbk    GetSiteCharset            Match    None    http://www.52dsw.net/    GetSiteUrl            Match    None        NovelSearchUrl            Match    None        NovelSearchData            Match    None        NovelSearch_GetNovelKey            Match    None    http://www.52dsw.net/list/0.html    NovelListUrl            Match    None    <td class='odd'><a href='http://www.52dsw.net/book/(\d*).html'>(.+?)</a></td>    NovelList_GetNovelKey            Match    None    http://www.52dsw.net/book/{NovelKey}.html    NovelUrl            Match    None    未找到该编号的书籍信息    NovelErr            Match    None    line-height: \d*%'>(.+?)</span></td>    NovelName            Match    None    <td width='25%'>作&nbsp;&nbsp;&nbsp; 者：(.+?)</td>    NovelAuthor            Match    None    <td width='25%'>类&nbsp;&nbsp;&nbsp; 别：(.+?)</td>    LagerSort            Match    None    <td width='25%'>类&nbsp;&nbsp;&nbsp; 别：(.+?)</td>    SmallSort        &nbsp;    Match    None    <span class='hottext'>内容简介：</span><br />((.|\n)+?)<span class='hottext'>作品关键字：</span>    NovelIntro            Match    None        NovelKeyword            Match    None    <td>文章状态：(.+?)</td>    NovelDegree            Match    None    <img src='(.+?)' border='0' width='100' height='125' align='right' hspace='5' vspace='5' /></a>    NovelCover            Match    IgnoreCase    nocover.jpg    NovelDefaultCoverUrl            Match    None    <li><a class='btnlink' href='(.+?)'>点击阅读</a></li>    NovelInfo_GetNovelPubKey            Match    None        PubCookies            Match    None    {NovelPubKey}    PubIndexUrl            Match    None    这里必须填写    PubIndexErr            Match    None        PubVolumeContent            Match    None    <div id='tit    PubVolumeSplit            Match    None    le'>(.+?)</div>    PubVolumeName            Match    None    <td class='ccss'>\s*<a href='\d*.html'>(.+?)</a>\s*</td>    PubChapterName            Match    None    <td class='ccss'>\s*<a href='(\d*.html)'>.+?</a>\s*</td>    PubChapter_GetChapterKey            Match    None    {ChapterKey}    PubContentUrl            Match    None    这里必须填写    PubContentErr            Match    None        PubContent_GetTextKey            Match    None        PubTextUrl        &nbsp;    Match    IgnoreCase    <div id='content'>((.|\n)+?)<div id='footlink'>    PubContentText            Match    None        PubContentReplace            Match    None    <[^<]*((?<=<(?:img|IMG)[^>]*(?:(?:src|SRC)(?:\s*=\s*(?:['']?))))(?:[^\s''>]*)\.(?:jpg|gif|jpeg|bmp|png|GIF|JPG))[^>]*>    PubContentImages