使用采集器时，新手可能被几个问题困扰：dom规则写法五分钟入门一些示例要学会利用dom获取网页内容，要求你具备那么一些基本的html知识，知道网页的内容结构都是一层一层嵌套的。 在此， 我无法确切通俗的告诉你什么叫做dom，但是看了如下的一个示例，也许你会更直观的明白。 假如一个网页的源代码如下所示
示例一：如果你想取到里面的内容，怎么写？我们dom的写法是这样的： div[class=test]。这样就能获取到元素里面的内容，即：要取的内容。这是最简单是示例了。其中[] 符号内放的是这个div元素的属性,再比如
示例二：
可以这样表示：div[id=test]。要是元素不是一个div，而是一个span，如下代码：
示例三：
也很简单，可以这样表示span[id=test] 稍微复杂一点的结构，如下
示例四：
有两层元素，该怎么写？采集器的写法是： div[class=test] span[id=mytest],中间用空格隔开，外层的写在前面。 好了，举上面的四个列子已经足够说明所有的问题。
规则的简写1、span[id=mytest] 可以简写成span#mytest 表示查找id=mytest的span元素 2、span[class=mytest] 可以简写成span.mytest 表示查找class=mytest的span元素
如果同时有两个class不可以简写，如下面这种情况：<div class="test test1">要取的内容</div> div[class=test test1] 上面的几个示例放在浏览器里面也许更直观，如下图：
一些高级的属性设置除了可以用class=test这样的写法获取之外，采集器还提供了一些更高级的写法，用在特殊的情况下获取 :| 过滤 | 描述 |
|---|
| 属性 | 匹配具有指定属性的元素。如 div[id] 表示通过id属性 查找所有的<div> |
|---|
| !属性 | 匹配不具有指定属性的元素。 如 div[!id] 表示 查找所有没有id属性的<div> |
|---|
| [属性=value] | 匹配具有指定属性值的元素。如 div[id=test] 表示查找id=test的div元素 |
|---|
| [属性!=value] | 匹配不具有指定属性值的元素。 如 div[id!=test] 表示查找id不等于test的div元素 |
|---|
| [属性^=value] | 匹配包含特定前缀的值的指定属性的元素。如 div[id^=test] 表示查找id前缀为test的div元素 |
|---|
| [属性$=value] | 匹配包含特定后缀的值的指定属性的元素。如 div[id$=test] 表示查找id后缀为test的div元素 |
|---|
| [属性*=value] | 匹配具有指定属性的元素,且该属性包含了一定的值。如 div[id*=test] 表示查找id包含test的div元素 |
|---|
2.5版本增加的写法：规则组合可以把几个规则组合在一起，比如下面几个实例：
网页源代码：
示例一：普通写法（无法获取多个内容）
示例二：组合写法
示例三：在组合规则里面嵌入自定义代码
取第N个元素：源代码如下图：
如果想取第三个li里面的内容，怎么写规则？
2.5版本新增了一种写法可以解决此问题,写法：li[N],N代表第几个元素，从0开始，0代表第一个元素，1代表第二个元素，以此类推
如下图：
第1个元素:li[0]
第2个元素:li[1]
……
第N个元素:li[N-1]
DOM写法实战用DOM规则获取文章列表链接获取链接列表稍微和获取标题，内容等不同，分为两行，第一行是列表的获取规则，第二行设置a标签的属性
示例一：
源代码如下图：
获取规则如图：
示例二：
以获取腾讯新闻列表链接为例，网址： http://ent.qq.com/l/newxw/dalustar/list20100525165330.htm 分析结构，如下图：
结构比较简单，我们可以这样写： ul.list01 li
a 测试截图：
此外，写法并不是唯一的，只要满足条件之一就能找到列表 如这个写法也能获取到列表： ul.font_s_14 li
a 下面这个写法也同样可以获取到链接： ul[class=list01 font_s_14 line_h_25] li
a 用dom获取文章标题和内容举腾讯的这篇文章http://ent.qq.com/a/20120306/000127.htm为例子 分析结构如图：
dom写法是： div.hd h1 大家可以在采集器中测试一下，为节省版面，我就不截图了 。 内容的获取和标题一样的写法，在此不再累赘。 | 
发表于 2017-4-6 10:41:47