规则定义.md

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：

# 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：

  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/

  RULES={
    'www.23us.la': Rules('http://www.23us.la', {'class': 'inner'}, {})
  }

• http://zetianjiba.net

  RULES={
    'zetianjiba.net': Rules('1', {'class': 'bg'}, {})
  }

  ​

content_selector值的获取方式同上