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
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

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 1,778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 536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 571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 583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 4,874评论 10 9

友情链接更多精彩内容