采集器dom规则写法入门

使用采集器时，新手可能被几个问题困扰：

dom规则写法五分钟入门

一些示例

要学会利用dom获取网页内容，要求你具备那么一些基本的html知识，知道网页的内容结构都是一层一层嵌套的。

在此， 我无法确切通俗的告诉你什么叫做dom，但是看了如下的一个示例，也许你会更直观的明白。 假如一个网页的源代码如下所示

示例一：

html代码

<div class="test">要取的内容</div>

如果你想取到里面的内容，怎么写？我们dom的写法是这样的： div[class=test]。这样就能获取到元素里面的内容，即：要取的内容。这是最简单是示例了。其中[] 符号内放的是这个div元素的属性,再比如

示例二：

html代码

<div id="test">要取的内容</div>

可以这样表示：div[id=test]。要是元素不是一个div，而是一个span，如下代码：

示例三：

html代码

<span id="test">要取的内容</span>

也很简单，可以这样表示span[id=test]

稍微复杂一点的结构，如下

示例四：

html代码

<div class="test"><span id="mytest">要取的内容</span></div>

有两层元素，该怎么写？采集器的写法是： div[class=test] span[id=mytest],中间用空格隔开，外层的写在前面。 好了，举上面的四个列子已经足够说明所有的问题。

规则的简写

1、span[id=mytest] 可以简写成span#mytest 表示查找id=mytest的span元素

2、span[class=mytest] 可以简写成span.mytest 表示查找class=mytest的span元素

如果同时有两个class不可以简写，如下面这种情况：

<div class="test test1">要取的内容</div>

必须写成：

div[class=test test1]

上面的几个示例放在浏览器里面也许更直观，如下图：

一些高级的属性设置

除了可以用class=test这样的写法获取之外，采集器还提供了一些更高级的写法，用在特殊的情况下获取 :

2.5版本增加的写法：

规则组合

可以把几个规则组合在一起，比如下面几个实例：
网页源代码：

示例一：普通写法（无法获取多个内容）

示例二：组合写法


示例三：在组合规则里面嵌入自定义代码

取第N个元素：

源代码如下图：

如果想取第三个li里面的内容，怎么写规则？
2.5版本新增了一种写法可以解决此问题,写法：li[N],N代表第几个元素，从0开始，0代表第一个元素，1代表第二个元素，以此类推
如下图：

第1个元素:li[0]
第2个元素:li[1]
……
第N个元素:li[N-1]

DOM写法实战

用DOM规则获取文章列表链接

获取链接列表稍微和获取标题，内容等不同，分为两行，第一行是列表的获取规则，第二行设置a标签的属性

示例一：
源代码如下图：

获取规则如图：

示例二：

以获取腾讯新闻列表链接为例，网址： http://ent.qq.com/l/newxw/dalustar/list20100525165330.htm

分析结构，如下图：

结构比较简单，我们可以这样写：

ul.list01 li
a

测试截图：

此外，写法并不是唯一的，只要满足条件之一就能找到列表

如这个写法也能获取到列表：

ul.font_s_14 li
a

下面这个写法也同样可以获取到链接：

ul[class=list01 font_s_14 line_h_25] li
a

用dom获取文章标题和内容

举腾讯的这篇文章http://ent.qq.com/a/20120306/000127.htm为例子

分析结构如图：

dom写法是：

div.hd h1

大家可以在采集器中测试一下，为节省版面，我就不截图了 。

内容的获取和标题一样的写法，在此不再累赘。

打赏 支付宝打赏 微信打赏