PTCMS小说采集规则教程（原创）-创码者资源网

准备

运行环境：CentOS7+Nginx 1.19+PHP7.3+MySQL AliSQL

程序源码：PTCMS_V4.3.0(Build 20200910)

注：本教程只讲解采集规则，程序源码以及如何安装请“百度一下”。

官方帮助文档https://www.ptcms.com/doc/index.html

常用正则表达：

‘[内容]’ => ‘(.*?)’,就是我们需要获取的东西

‘[数字]’ => ‘\d*’,这是纯数字

‘[空白]’ => ‘\s*’,这是用在换行的地方，包括换行、空格、\r \n

‘[任意]’ => ‘.*?’,这就是任意字符

‘[参数]’ => ‘[^\>\<]*?’,这是html代码中的参数如alt=”标题” 这样的

‘[属性]’ => ‘[^\>\<\'”]*?’,这是html代码中参数的属性对于上述例子中的alt=”标题” ，可以代替标题

注：如果想要获取内容就需要在正则表达示外加括号（英文状态下的），比如(.*?) 、(\d*)，括号同时只能存在一个

[subnovelid] == 分类ID

[novelid] == 小说ID

[chapterid] == 章节ID

[页码] //[page] 表示多页页码

[内容] //等同于 .+? 匹配之间的任何字符

[数字] // 等同于 \d+ 匹配0-9数字组合

常用正则，以下的自己百度下

.+? //最小匹配 . 除了换行符之外的任意字符,+ 重复一次或一次以上

//? 懒惰模式

\d+ // \d 表示匹配的是数字,+ 表示重复一次或者多次

//* 表示重复零次或者多次

\w+ //[\w]+和\w+没有区别，都是匹配数字和字母下划线的多个字符；

//[\w+]表示匹配数字、字母、下划线和加号本身字符；

\s //\s是指空白，包括空格、换行、tab缩进等所有的空白，而\S刚好相反

\r\n //\n是换行。\r是回车。

[ ]

表示数组而非排列，即不按固定次序位置排列；

在[]内的字符可以任意次序出现。

[ABC]+

可以匹配”AAABBBCCC,BBBAAACCC,BACCBACAACBAC,…”，不是一定按固定A…B…C…的次序排列。

[\w./-+]+

是匹配\w [0-9a-zA-Z_] 或 . 或 / 或 – 或 + 字符；

在[./-+]内均表示字符本身；

在[]+外表示{1,}至少1次或多次；

在[.]内点，不是任意字符的意思，就是匹配点.字符本身，点.可以不需要加反斜杠.。

在[]内特殊字符，表示匹配特殊字符本身，不需要加反斜杠，

在[]外特殊字符，表示匹配特殊字符本身，必须要加反斜杠。

( )用于捕获匹配的字符串,比如：a(.?)b捕获a和b之间的任何字符(除了换行符外)

而且()还用于括起正则表达式中的小组，比如：^(a|b).$匹配以a或b开头的任何字符串

另外,(?:pattern)是一个非捕获匹配,就是匹配但不捕获字符串

(?<=pattern)逆序肯定环视，表示所在位置左侧能够匹配pattern

(?<!pattern)逆序否定环视，表示所在位置左侧不能匹配pattern

(?=pattern)顺序肯定环视，表示所在位置右侧能够匹配pattern

(?!pattern)顺序否定环视，表示所在位置右侧不能匹配pattern

这些都和()是不同的概念,不要混淆

[]用于定义匹配的字符集或字符范围,比如：[a-z]匹配一个英文小写字母范围从a到z

{}用于定义匹配的次数,比如：a{1,}匹配a至少一次

————————————————

以https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_1.html为例讲解

一、添加站点

二、采集规则详细步骤

1、添加规则（规则管理–>添加）；

2、规则名称根据实际情况填写；

3、所属站点选择上面添加的；其它默认就可以。

5、更新列表规则

https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_1.html 第1页

https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_2.html 第2页

https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_3.html 第3页

………………

https://www.txtbook.org/shuku/0_all_0_0_0_0_2_0_99.html 第99页

通过分析得出如下规则

https://www.txtbook.org/shuku/0_all_0_0_0_0_0_0_[page].html

系统中[page] 表示多页页码

6、小说名称

<ul>

<li class=“three”><a href=“https://www.txtbook.org/book/13887/” target=“_blank”>《你们练武我种田》txt下载</a><span class=“gray”><a href=“/read/13887/14529389.html” target=“_blank” title=“第四百七十八章：传播武道”>第四百七十八章：传播武道</a></span></li>

</ul>

根据“唯一”原则找到

1	<li class=“three”><a href=“https://www.txtbook.org/book/13887/” target=“_blank”>《你们练武我种田》txt下载</a><span class=“gray”>

分析这段代码获取我需要的数据，写规则；

方法一：

1	<li class=”three”><a href=”.?” target=”_blank”>《(.?)》txt下载</a><span class=”gray”>

方法二：

1	<li class=”three”><a href=”.?” target=”_blank”>(.?)txt下载</a><span class=”gray”>

这两种方法的区别在于方法需要替换掉《》，我用了方法二。

7、小说书号

分析代码

1	<li class=“three”><a href=“https://www.txtbook.org/book/13887/” target=“_blank”>《你们练武我种田》txt下载</a><span class=“gray”>

规则

1	<li class=”three”><a href=”https://www.txtbook.org/book/(\d)/” target=”_blank”>.?</a><span class=”gray”>

\d* 表示纯数字，（\d*）表达我们要获取这里数字。

8、信息页地址

根据URL分析，是https://www.txtbook.org/book/+书号。

在官方教程文档中有相应的参数，

[subnovelid] == 分类ID

[novelid] == 小说ID

[chapterid] == 章节ID

8、小说名称、小说作者、小说封面、小说分类、小说简介、小说进度

这些规则都很好找不再多写，直接看下面图片。主要说一下小说进度，也是这次为什么用这个网站作为案例讲解的原因。

在源代码查到不到连载，通过小说图片左上角的“连载中”小图标找到代码

1	<div class=”novel_status” data-status=”1″></div>

再找一本完结的小说对比一下

1	<div class=”novel_status” data-status=”2″></div>

然后我们获取1、2再进行规则替换

9、通过上面学习之后，章节以及内容就很容易写了。

本网站名称：创码者资源网
本站永久网址： http://www.cmzym.top/
本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。
本站为非盈利网站，一切付费内容（包括但不限于会员充值，资源付费），均为用户自愿赞助，且所有资金均用于网站维护
本站资源均收录于互联网，所以不能保证每个细节都符合你的要求，也可能存在未知的BUG与瑕疵，因虚拟资源可复制特性，所以不接受任何理由的退款兑现，请阅读本站声明和相关条款后再进行支付下载
本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长：1326632303@qq.com 进行删除处理。
本本站采用知识共享署名-非商业性使用-相同方式共享4.0国际许可协议进行许可

THE END