链接脚本是频道的模板中的脚本。配置了模板脚本,模板的处理流程将被改变:
1.如果脚本未正确返回dom区域节点,则该模板的采集则完全由该脚本控制。
2.如果脚本返回了一个正确的dom区域节点,则该模板的所有流程(链接抽取或数据抽取)都以该区域节点为基准,区域外的信息和数据将优先作为垃圾数据处理。
一.可用全局对象(只读)
EXTRACT: 当前采集引擎[ 对象类型:extractor ]
DATADB: 当前连接的数据库[ 对象类型: dataBase ]
RESULT: 当前结果集对象[ 对象类型:result ]
URL: 当前采集的链接对象[ 对象类型: url]
URLTEXT : 描述当前链接采集的所有状态及属性的对象[ 对象类型:urltext ]
DOC: 当前采集的文档对象[ 对象类型:grabDoc]
DOM: 当前采集文档的dom对象[ 对象类型:dom]
TMPL:当前结果集对象[ 对象类型:tmplTmpl]:等价于this对象
二.this对象
当前模板 [tmplTmpl] 对象。
三.脚本返回值:
如果需要进行数据操作必须return 文档区域(domItem对象);否则返回0。
示例:
以下脚本查找网页(文档)中的第一个表格对象,如果找到表格则从表格中提取链接或数据;否则不处理当前页面:
returnDOM.FindName("table");
如果想要特定的链接,比如关键词搜索这样的,就会用模板脚本,下面是每个模板脚本必有的代码:
url u;u.title =" ";
u.urlname =" ";
u.tmplid =3;
u.entryid = CHANN.id;
RESULT.AddLink(u);
网友评论