RuiJi.Net 的选择器(Selector)被用来抽取所属结构的内容,通常为一个或多个,下一个选择器处理的是上一个选择器的处理结果,通过逐层处理的方式,我们可以将抽取结果进行精细化抽取,以达到最终需要的抽取结果。
RuiJi.Net 的选择器有以下类型
类型 | 说明 |
---|---|
CSS | 样式选择器,类似于JQuery |
REGEX | 正则选择器 |
REGEXSPLIT | 分割选择器,支持正则分割 |
TEXTRANGE | 文本区域选择器 |
EXCLUDE | 排除选择器 |
REGEXREPLACE | 替换选择器 |
JPATH | JSON选择器 |
XPATH | xpath选择器,用来处理xml文档 |
CLEAR | 清除选择器,清理html标签 |
EXPRESSION | 表达式选择器,用来匹配地址 |
SELECTORPROCESSOR | 函数选择器,通过自定义函数处理选择器结果 |
Css 选择器
css选择器使用的类库是CsQuery, CsQuery提供了类似JQuery的方法,通过css选择器来处理html页面。在RuiJi.Net中通常css选择器会作为Selectors的第一个选择器,用来定位选择区域。
Regex 选择器
regex选择器是使用正则表达式来抽取内容,在RuiJi.Net可以通过配置提取表达式结果或分组结果。
RegexSplit 选择器
以正则表达式分割字符串,并提取其中的指定索引的结果,可以指定多个
TextRange 选择器
文本区域选择器,该选择器通过定义文本开始的字符串和文本结束的字符串,来抽取开始和结束文本区域中间的内容。
Exclude 选择器
![](/qrcode.jpg)
排除选择器用来排除指定的文本内容。需排除的内容以正则表达式定义。
RegexReplace 选择器
正则替换选择器,被用来将匹配出的结果替换成目标结果。
JPath 选择器
JsonPath 选择器被用来处理Json格式的文档。
XPath 选择器
XPath 选择器被用来处理XML文档
Clear 选择器
Clear选择器会自动清除一些Html源文件的标签,包含:script、style、iframe、input、textarea、select、form及注释等。
Expression 选择器
表达式选择器通常使用通配符抽取需要的链接地址。
SELECTORPROCESSOR 选择器
SELECTORPROCESSOR 选择允许用户调用外部已经定义好的函数处理一些特殊的抽取结果,例如抽取出的时间是 xx 分钟前。