抽取规则

[!TIP|style:callout|label:注意事项：以下紧邻本Copy区域的代码是v1.6.0之后的新版用法，强烈推荐使用|iconVisibility:default|labelVisibility:default|className:block-tip]

//这是v1.6.0之后的新版用法，强烈推荐使用！！！
//无论是单任务还是多任务，一切都是线性配置，非常简单; 
$rule = array( 
    'field1' => ['selector', 'flag', 'range', 'callback'],
    .....................................................,
    'fieldN' => ['selector', 'flag', 'range', 'callback'],
);

//单任务
$task = array(
    'url'  => "http://www.weather.com.cn/weather/101010100.shtml",
    "rule" => $rule,
    'rule_name' =>  'r1',   //如果留空将使用md5($task_id)作为规则名
); 

//多任务
$task = array(
    array(
        "url" => "http://www.weather.com.cn/weather/101010100.shtml",
        "rule" => $rule,
        'rule_name' => 'r1', //如果留空将使用md5($task_id)作为规则名
        "context" => $context,
    ),
    array(
        "url" => "http://www.weather.com.cn/weather/201010100.shtml",
        "rule" => $rule,
        'rule_name' => 'r2', //如果留空将使用md5($task_id)作为规则名
        "context" => $context,
    ),
);

[!WARNING|style:callout|label:注意事项：以下紧邻本Copy区域的代码是v1.6.0之前的用法，不再推荐使用|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;

//这是v1.6.0之前的旧版用法，不再推荐使用！！！
//如果非要使用，注意必须配置context上下文的如下参数：
//$task['context']['force_use_old_style_multitask_args'] = true;
//多条任务分别对应多条规则域，并且依照规则名一一对应
$task = 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，注意：如果规则名留空的话，在v1.6.0之前，引擎默认将采用md5($task_url)作为唯一的规则名，有潜在隐患，不再推荐使用，自v1.6.0开始，引擎默认将使用md5($task_id)作为唯一的规则名。
selector
① 特别注意：这是一个必填项，如果留空，那当前选择器的作用域将会被忽略，即不生效。
② 和jQuery选择器一样，其取值可以是：#idName or .className or Html Elements等。
flag
代表数据提取行为或动作，如果留空，默认动作将是text。
attr：用于获取HTML元素的属性【注意: 此处attr取值为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
css ：专门用于获取style属性内容【此外支持变种格式：css:*、css:prop1,prop2,...,propN】
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字符串或回调函数，如果需要捕获回调结果，切记务必要返回所期望的数据。
① 回调字符串：语义上和PHP原生的回调函数完全一样，但其类型是一个字符串。
② 回调函数：即PHP原生的回调函数，其类型是一个Closure闭包，切记虽然局部支持但不要用。
③ 特别注意：由于回调函数无法跨进程通信，所以callback应该使用回调字符串而不要写回调函数。
④ 特别注意：回调字符串最好用单引号包裹起来，而不要用双引号，不要问为什么，这是最实惠的。
⑤ 特别注意：平时怎么写回调函数，那就怎么写回调字符串，否则将一律视为非法格式而忽略回调。
⑥ 回调参数：callback有两个参数，形如：function($field_name, $data)。
⑦ 参数含义：$field_name代表当前字段名，$data代表过滤到的数据内容。

演示代码

<?php
//以下代码仅仅只是静态演示，我们要考虑到跨进程环境下callback通信的稳定性，
//所以特别注意红色区域的callback是一个回调字符串，而不要写PHP原生回调函数。
$html = "<div><a href='http://www.phpcreeper.com' id='site' style='color:red;font-size:100px;'>PHPCreeper</a></div>";
$rule = array(
    'link_element'  => ['div',      'html'],
    'link_text '    => ['#site',    'text'],
    'link_address'  => ['a',        'href'],
    'link_css1'     => ['a',        'css'],
    'link_css2'     => ['div>a',    'css:font-size'],
    'callback_data' => ['#site',    'text',  [],  'function($field_name, $data){
        return "Hello " . $data;
    }'],  
);  
$data = $parser->extractField($html, $rule, 'rule1');
pprint($data['rule1']);

/*Array
(
    [0] => Array
        (
            [link_element] => <a href="http://www.phpcreeper.com" id="site" style="color:red;font-size:100px;">PHPCreeper</a>
            [link_text ] => PHPCreeper
            [link_address] => http://www.phpcreeper.com
            [link_css1] => Array
                (
                    [color] => red
                    [font-size] => 100px
                )

            [link_css2] => Array
                (
                    [font-size] => 100px
                )

            [callback_data] => Hello PHPCreeper
        )
)*/

抽取规则

抽取规则

演示代码

results matching ""

No results matching ""