抽取规则

[!WARNING|style:callout|label:注意事项|iconVisibility:default|labelVisibility:default|className:block-warning] 1、每一条任务URL配置项唯一的对应一条规则配置项,并且指定的规则名必须一一对应;
2、规则域的取值类型只能是数组;
3、对于单条任务,相应规则域的深度即数组的深度只能是2;
4、对于多条任务,相应规则域的深度即数组的深度只能是3;

$urls = array(
    'rule_name1' => 'http://www.blogdaren.com';
    ...........................................;
    'rule_nameN' => 'http://www.phpcreeper.com';
);

//对于多条任务,可以看到对应规则域的深度是3而且只能是3
$rule = array( 
    'rule_name1' => array(
        'field1' => ['selector', 'flag', 'range', 'callback'],
        .....................................................,
        'fieldN' => ['selector', 'flag', 'range', 'callback'],
    );
    .........................................................,
    'rule_nameN' => array(
        'field1' => ['selector', 'flag', 'range', 'callback'],
        .....................................................,
        'fieldN' => ['selector', 'flag', 'range', 'callback'],
    );
);
  • rule_name
    每一个任务都应当提供一个相对应的唯一的规则名称,这样我们就能很方便的根据规则名索引到想要的数据, 如果规则名留空不配置的话,内核默认将采用md5($task_url)作为唯一的规则名。

  • selector
    和jQuery选择器一模一样,其取值可以是#idName or .className or Html Element等等;此外,当flag 取值为preg或pregs时,选择器还可以是一个标准的正则表达式。

  • flag
    attr: 用于获取HTML元素的属性 【注意: 此处attr取值是指HTML元素的属性名称如src、href等等
    html: 用于获取匹配元素包裹的HTML元素片段
    text: 用于获取HTML元素包裹的文本内容
    preg: preg_match()函数的封装实现
    pregs: preg_match_all()函数的封装实现

  • range
    用于进一步缩小数据提取范围,取值可以是#idName or .className or Html Element等等。

  • callback
    可以自定义一个回调函数,不过切记务必要返回所期望的数据。

演示代码

$html = "<div><a href='http://www.phpcreeper.com' id='site' class="site">PHPCreeper</a></div>";
$rule = array(
    '链接元素' => ['div',       'html'],
    '链接文本' => ['#site',     'text'],
    '链接地址' => ['div.site',  'href'],
    '回调数据' => ['/<a .*?>(.*)<\/a>/is', 'preg', [], function($field_name, $data){
        return 'Hello ' . $data[1];
    }], 
);  
$data = $parser->extractField($html, $rule, 'rule1');
pprint($data['rule1']);

//输出结果
Array
(
    [0] => Array
        (
            [链接元素] => <a href="http://www.phpcreeper.com" id="site">PHPCreeper</a>
            [链接文本] => PHPCreeper
            [链接地址] => http://www.phpcreeper.com
            [回调数据] => Hello PHPCreeper
        )
)

results matching ""

    No results matching ""