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。
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="one">1</li> <li class="two">[玄幻奇幻]</li> <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> <li class="four"><a href="/author/%B0%A5%D3%B4%B0%A1" target="_blank" rel="nofollow"> 哎哟啊 </a></li> <li class="five"> 连载中 </li> <li class="six">2020-12-22 15:20</li> </ul> |
根据 “唯一” 原则找到
<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：
<li class="three"><a href=".*?" target="_blank">《(.*?)》txt 下载 </a><span class="gray"> |
方法二：
<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
<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
<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
<div class="novel_status" data-status="1"></div> |
再找一本完结的小说对比一下
<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。
