【立杆】本人免费为菜鸟写规则，要规则的进来，包写【新加小说规则讲解】

yanchuanghu

本人免费为菜鸟写采集规则，老鸟请不要耻笑俺^_^要规则的请按照以下格式跟帖，我会把你要的规则作为附件编辑到该帖下。

最基本两条：
采集网址：xxx
采集要求：xxx
其他你们自由发挥，尽量让你们满意！包写规则，我不会的会自己琢磨，琢磨不出来会找高手，如果还搞不定，我会PM告诉你原由，谢谢各位支持，现在大家跟帖发要求吧，我在线刷新等待。

原帖由 xyz5200 于 2008-9-9 09:58 发表
我想所有刊名都提取出来，刊名没有对应地址的就让地址这栏空着，以保证刊名和地址是一一对应的，同时又能采到所有刊名

8楼的同学，我给你一个思路：
举一段源码的例子：
  Natural Gas Monthly    
   
  
  Natural Grocery Buyer    Visit Web site
   
   Publisher:Penton Media, Inc

在这里，Natural Gas Monthly 后面是没有访问网址的，但是我们看一下源码：

<div style="height:24px;margin-left:10px">
         <img src="pic/small_bullet.gif" align="middle">  <a href='vn.aspx?id=1745'>
          <span class="Tt">
           Natural Gas Monthly
          </span></a>
            
         <br>   
         <br>
        </div>
      
        <div style="height:24px;margin-left:10px">
         <img src="pic/small_bullet.gif" align="middle">  <a href='vn.aspx?id=4798'>
          <span class="Tt">
           Natural Grocery Buyer
          </span></a>
            <a target=_blank href="vt.aspx?url=http^!^3a^!^2f^!^2fwww^~^newhope^~^com^!^2f"><img src='pic/link.gif'> Visit Web site</a>
         <br>   
         <br>   Publisher:Penton Media, Inc<br>
        </div>

注意我标识的这段源码，我个人意见是，你先获得空格以内的整段网址代码，后面用正则过滤掉或者替换法，用火车采的话，可能少有麻烦，你用其他采集器试试看，比如小蜜蜂，不知回答满意否，本人也是小菜啦^_^，我pm你哈

原帖由 xizhanbo 于 2008-9-9 14:37 发表
你先打开这个网址：http://www.cqvip.com/channel/zidonghuajsj/后，点击最左边的“自动化理论”，打开后的网址是：http://www.cqvip.com/asp/vipsearch.asp?Query=TP1&;Type=C      我要采集这个页面内列表链接的地址 ...

回复11楼的同学，我规则给出了，其实很简单
采集网址设置为：http://www.cqvip.com/asp/vipsearch.asp?Query=TP1&Type=C
列表选定区域为：
开始代码：
<div class="ndotop"></div>
结束代码：
<div class="pages">

两个代码都是页面唯一代码，这样就可以采集到网址了，后续的内容采集我就不给出啦，因为你只要我给你列表采集规则，^_^

原帖由 tulip7802 于 2008-9-9 14:53 发表
采集网址：www.readnovel.com
采集要求：作者，分类，内容，标题

谢谢

回答12楼同学的问题：

对于小说来说，用火车有点小费事啦，不过当然是能采了，鉴于你给的网站，我的采集思路如下：
1，采集到所有小说的列表页
2，采集到所有小说目录页
3，采集小说章节内容&作者&简介等等

思路很清晰，那么我们以青春校园这个栏目为例子

栏目列表地址：http://www.readnovel.com/ch/10.html
火车批量/多页规则：http://www.readnovel.com/ch/(*).html 通配符自己搞啦，假设从1~100，采用倒序采集
列表选区：
开始：
<div class="zhuijin">◆最近更新的
结束：
<div class="Pager"><div class="pagehe">
都是唯一，代码也简洁，这样就可以得到所有小说首页的列表地址，开始测试网址采集，然后点击导出二级节点，导出为文本，以此类推，获得了所有二级列表地址，通过观察：
小说首页地址：http://www.readnovel.com/novel/48484.html
小说目录页地址：http://www.readnovel.com/partlist/48484/
采集到的是第一个地址，实际上我们想获得第二个地址，只需要用记事本替换一下即可
获得小说目录页地址后，就可以导入到火车头了，然后采集目录列表页就容易多啦，后面的很简单了，不给出规则了，我估计人人都会，有要求的同学可以跟帖，我就补上，o(∩_∩)o...放上几个图

原帖由 sb110 于 2008-9-9 17:24 发表
http://www.yjbys.com/Job-seeker/gongwuyuan.html


采集开始区域代码

采集结束区域代码

上边都对
可是在采集列表中
a target=_blank f2dfd1394983c5ca href="html/show3-149688.html" bf3c62fb6f9a9c7 ...

回答13楼同学问题，你这个问题很好搞定啦

看图说话，o(∩_∩)o...哈哈，主要需要手动填写一个网址规则即可


[ 本帖最后由 yanchuanghu 于 2008-9-11 11:21 编辑 ]

yanchuanghu

楼上提问就好了，QQ下次告诉你

xyz5200

我先占上三位.表示一下.

xyz5200

占一位是因为我有一个问题.

xyz5200

总共有一个规则要你帮着做.谢谢了.

xyz5200

在http://www.socolar.com/pl.aspx?P ... =%e5%8c%96%e5%ad%a6，我想提取刊名及刊名对应的地址（指Visit Web site 所对应的链接），但是有的条目没有“Visit Web site 所对应的链接”这项（如该页倒数第三项Research Journal of Applied Sciences 仅有刊名，没有地址链接  ），这种情况下怎样设定规则，才能使所提取的刊名和地址是对应的（刊名中没有对应地址的仅要刊名，对应的地址为空）

xyz5200

我想所有刊名都提取出来，刊名没有对应地址的就让地址这栏空着，以保证刊名和地址是一一对应的，同时又能采到所有刊名

冲锋火车头

楼主好人啊！啊啊啊啊啊

xyz5200

真是大好人.哈哈.来给我弄一下嘛.

xizhanbo

你先打开这个网址：http://www.cqvip.com/channel/zidonghuajsj/后，点击最左边的“自动化理论”，打开后的网址是：http://www.cqvip.com/asp/vipsearch.asp?Query=TP1&Type=C      我要采集这个页面内列表链接的地址