aardio 实现链式抽取器

将之前爬虫抽取器用aardio实现。

import myplu.jpath;
import myplu.xpath;

namespace myplu

// 选择器基类
// 继承该类实现handle方法,handle每次处理一条数据
class selector{
    ctor( ... ){        
        this.expression = "";
        this.expType = "MIX";
        if(type(...) == "table"){
            ..table.assign(this,...);
        }
    };
    type="crawler.selector";
    ["select"] = function(data){        
        var res = owner.selectList(data);
        if(#res and table.len(res)>0){
            return res[1]; 
        }
        return res; 
    };
    selectList = function(data){
        // 空数据不用处理,直接退出
        if(data == null){
            return null; 
        }
        var res = {};
        // 将单个数据转为数组来处理
        if(!(type(data) == "table" and ..table.len(data)>0)){   
            data = {data};
        }
        // 遍历数据,依次处理
        for(k,v in data){
            // 执行handle方法,抽取数据。
            var dt = owner.handle(v);
            if(dt){
                // 处理数据结果,数组合并,非数组放入数组。
                if(type(dt) == "table" and ..table.len(dt)>0){
                    ..table.assign(res,dt);
                }else{
                    ..table.push(res,dt);
                }
            }           
        }
        // 如果结果就一条,直接返回数据值。
        if(#res == 1){
            return res[1]; 
        }
        return res; 
    };
    parse = function(...){
        ..table.assign(this,...);
    };  
    category = {"MIX","XPATH","JPATH","REGEX","SPLIT","REPLACE"};
    space = {"URL","BODY","BLOCK","PAGE"};
}

// 模式提取选择器
class regexSelector{
    ctor( expression, subStr){
        this = ..myplu.selector(expression=expression; subStr=subStr; expType = "REGEX");
    };
    type="crawler.regexSelector";
    handle = function(data){
        var data = ..string.matches(data,this.expression); 
        if(type(subStr) == "number" and subStr > 0 and subStr < #data){
            return data[subStr]; 
        }
        return data; 
    };  
}

// 模式拆分选择器
class splitSelector{
    ctor( expression){
        this = ..myplu.selector(expression=expression; expType = "SPLIT");
    };
    type="crawler.splitSelector";
    handle = function(data){
        return ..string.split(data,this.expression);
    };  
}

// 模式替换选择器
class replaceSelector{
    ctor( expression, subStr){
        this = ..myplu.selector(expression=expression; subStr=subStr; expType = "REPLACE");
    };
    type="crawler.replaceSelector";
    handle = function(data){
        return ..string.replace(data,this.expression,this.subStr);
    };  
}

// xpath选择器
class xpathSelector{
    ctor( expression){
        this = ..myplu.selector(expression=expression; expType = "XPATH");
    };
    type="crawler.xpathSelector";
    handle = function(data){
        data = ..myplu.xpath(data).selectList(this.expression); 
        if(#data==1){
            return data[1]; 
        }
        return data; 
    };  
}

// jpath选择器
class jpathSelector{
    ctor( expression){
        this = ..myplu.selector(expression=expression; expType = "JPATH");
    };
    type="crawler.jpathSelector";
    handle = function(data){
        data = ..myplu.jpath(data).selectList(this.expression); 
        if(#data==1){
            return data[1]; 
        }
        return data; 
    };  
}

// 混合选择器
class mixSelector{
    ctor( expression){
        this = ..myplu.selector(expression=expression; expType = "MIX");
    };
    type="crawler.mixSelector";
    handle = function(data){
        if(!this["selectors"]){
            var exp = ..string.replace(this.expression,"(\w+)(%())", "..myplu.\1Selector\2");
            exp = ..string.matches(exp, "\.\.[^\.][\w\W]+?%()");
            this.selectors = {};
            for(k,v in exp){
                var sel = eval(v[1]); 
                ..table.push(this.selectors,sel);           
            }
        }               
        
        for(k,v in this.selectors){
            data = v.handle(data);
        }
        return data; 
    };  
}

// 链式抽取器
class selectors{
    ctor(){
        this.selectors = {};
    };
    type="crawler.selectors";
    jpath = function(expression){
        ..table.push(this.selectors, ..myplu.jpathSelector(expression,araeSpace,mutil));
        return this; 
    };
    xpath = function(expression){
        ..table.push(this.selectors, ..myplu.xpathSelector(expression,araeSpace,mutil));
        return this; 
    };
    regex = function(expression, subStr){
        ..table.push(this.selectors, ..myplu.regexSelector(expression,subStr,araeSpace,mutil));
        return this; 
    };
    replace = function(expression, subStr){
        ..table.push(this.selectors, ..myplu.replaceSelector(expression,subStr,araeSpace,mutil));
        return this; 
    };
    split = function(expression){
        ..table.push(this.selectors, ..myplu.splitSelector(expression,araeSpace,mutil));
        return this; 
    };
    mix = function(expression){
        ..table.push(this.selectors, ..myplu.mixSelector(expression,araeSpace,mutil));
        return this; 
    };
    more = function(...){
        var data = ...;
        if(type(data)!="table"){
            data = {...};
        }elseif(data["type"]) {
            data = {...};
        }
         
        ..table.push(this.selectors,data);
        return this; 
    };      
    ["select"] = function(data){
        data = this.selectList(data);
        if(#data){
            return data[1]; 
        } 
    };
    selectList = function(data){
        for(k,v in this.selectors){
            if(v["type"] and ..string.find(v["type"],"crawler\.\w+Selector")){
                data = v.selectList(data);
            }else {
                var res = {};
                //..console.dump(data);
                if(!(type(data) == "table" and ..table.len(data)>0)){   
                    data = {data};
                }
                //..console.dump(data);
                for(k1, v1 in data){
                    var re = {}; 
                    for(k2, v2 in v){
                        //..console.dump(v2);
                        if(v2["type"] and v2["type"]=="crawler.selectors"){
                            re[k2] = v2.selectList(v1); 
                        }else{
                            // 附加的直接传值
                            re[k2] = v2;
                        }                                       
                    }
                    ..table.push(res,re);                       
                }
                data = res; 
            }
            if(data == null){
                return null; 
            }   
        }
        return data;        
    };  
}   
        
namespace crawler.selector

/*****intellisense(myplu)
crawler.selector = 导入数据抽取器
selector(__) = 基础选择器。需要自己实现handle方法,执行数据在处理函数。\n!cwSelector.
regexSelector(.(表达式, 抽取结果下标) = 模式匹配选择器。\n!cwSelector.
replaceSelector(.(表达式, 替换内容) = 模式替换选择器。\n!cwSelector.
splitSelector(.(表达式) = 模式拆分选择器。\n!cwSelector.
xpathSelector(.(表达式) = xpath选择器。\n!cwSelector.
jpathSelector(.(表达式) = jsonPath选择器。\n!cwSelector.
mixSelector(.(表达式) = 混合选择器。\n!cwSelector.
selectors() = 串联选择器。\n!cwSelectors.
end intellisense*****/

/*****intellisense(!cwSelector)
select(__) = 执行选择器,抽取单条数据。
selectList(__) = 执行选择器,抽取数据列表。
handle(__) = 选择器处理函数。
parse(__) = 将table转为对象。
category.? = 选择器类型
space.? = 抽取数据区域

subStr = 替换选择器,替换内容。
expression = 规则表达式。
expType = 选择器类型category.?。\n"MIX":混合选择器,\n"XPATH":xpath选择器,\n"JPATH":jsonPath选择器,\n"REGEX":模式抽取选择器,\n"SPLIT":模式拆分选择器,\n"REPLACE":模式替换选择器。

setExpression(__) = 设置规则表达式。
setExpType(__) = 选择器类型category.?。\n"MIX":混合选择器,\n"XPATH":xpath选择器,\n"JPATH":jsonPath选择器,\n"REGEX":模式抽取选择器,\n"SPLIT":模式拆分选择器,\n"REPLACE":模式替换选择器。
setSubStr(__) = 设置替换内容。

getExpression() = 获取规则表达式。
getExpType() = 选择器类型。
getSubStr() = 获取替换内容。
end intellisense*****/

/*****intellisense(!cwSelectors)
regex(.(表达式,抽取结果下标) = 模式匹配选择器。\n!cwSelectors.
split(.(表达式) = 模式拆分选择器。\n!cwSelectors.
replace(.(表达式,替换内容) = 模式替换选择器。\n!cwSelectors.
xpath(.(表达式) = xpath选择器。\n!cwSelectors.
jpath(.(表达式) = jsonPath选择器。\n!cwSelectors.
mix(.(表达式) = 混合选择器。\n!cwSelectors.
more(.(__) = 列表抽取。@1 可以是myplu.selectors数组,或myplu.selectors为value的表
select(__) = 执行选择器,抽取单条数据。
selectList(__) = 执行选择器,抽取数据列表。
end intellisense*****/
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容

  • 家校心连心,教育手牵手 ——洛阳伊河学校小学部家访分享交流会 家访有温度,教育有力量。家访是学校...
    KXL柚子阅读 154评论 0 0
  • 通过研读初中数学课例,我体验到了数学教育的独特魅力和其背后的深远意义。这次阅读不仅增强了我对数学教育的理解,也...
    商丘李渊文阅读 46评论 0 0
  • 面对学生的各种问题,教师首先需要做的是理解和接纳。 教师在面对挑战时,需要勇敢地承担起引导和教育的...
    关小兵阅读 33评论 0 0
  • 1、观课议课要以人为本。这是观课议课最为核心的追求。 (1)观课议课的人本目的。通过观课议课促进人的发展,包括课堂...
    卢瑞芬阅读 37评论 0 0
  • 遂溪县,隶属广东省湛江市,位于广东省西南部的雷州半岛上,西临北部湾,东临湛江港湾,管辖总面积2131.63平方千米...
    随心的自愈力阅读 689评论 10 9