webharvest 实例

缥缈孤鸿

浏览: 40510 次
性别:
来自: 大连

最近访客更多访客>>

ofbiz

博主相关

博客

微博

相册

留言

关于我

文章分类

社区版块

存档分类

网络爬虫 webharvest 实例

1 ，　<config charset="utf-8">
　　<var-def name="start">
　　<html-to-xml>
　　<http url="http://www.tianya.cn/bbs/index.shtml" charset="utf-8" />
　　</html-to-xml>
　　</var-def>
　　<var-def name="ulList">
　　<xpath expression="//div[@class='bankuai_list']">
　　<var name="start" />
　　</xpath>
　　</var-def>
　　<file action="write" path="tianya/siteboards.xml" charset="utf-8">
　　<![CDATA[ <site> ]]>
　　<loop item="item" index="i">
　　<list><var name="ulList"/></list>
　　<body>
　　<xquery>
　　<xq-param name="item">
　　<var name="item"/>
　　</xq-param>
　　<xq-expression><![CDATA[
　　declare variable $item as node() external;
　　<board boardname="{normalize-space(data($item//h3/text()))}" boardurl="">
　　{
　　for $row in $item//li return
　　<board boardname="{normalize-space(data($row//a/text()))}" boardurl="{normalize-space(data($row/a/@href))}" />
　　}
　　</board>
　　]]></xq-expression>
　　</xquery>
　　</body>
　　</loop>
　　<![CDATA[ </site> ]]>
　　</file>
　　</config>
　　这个设置装备摆设文件分为三个部门：
　　1. 界说爬虫进口：
　　<var-def name="start">
　　<html-to-xml>
　　<http url="http://www.tianya.cn/bbs/index.shtml" charset="utf-8" />
　　</html-to-xml>
　　</var-def>

2 ，<var-def name = "requestURL">
        http://www.informatik.uni-trier.de/~ley/db/conf/IEEEscc/scc2009.html
    </var-def>
    <var-def name = "confXML">
        http://dblp.uni-trier.de/rec/bibtex/conf/IEEEscc/2009.xml
    </var-def>
    <var-def name = "article_link">
        <xquery>
            <xq-param name="doc">
                <html-to-xml>
                    <http url = "${requestURL}"/>
                </html-to-xml>
            </xq-param>
            <xq-param name="confXML" type = "string">
                <var name = "confXML"/>
            </xq-param>
            <xq-expression><![CDATA[
                    declare variable $doc as node() external;
                    declare variable $confXML as xs:string external;
                     <asdfasd>
                          { for $x in $doc//a
                                where $x/@href = $confXML and matches($x/@href,"http:.*\.xml")
                             return
                                   $x/@href
                              }
                      </asdfasd>

                    ]]></xq-expression>

        </xquery>
    </var-def>
1. 前面定义的变量在Xquery中不能使用，必须在xq-param中再次定义变量去context中定义的值。
2. 在xq-expression中使用变量需要采用declare variable $name as xs:string external。
3. 声明(declare variable $name as xs:string external)需要在加xs:***否则报错。
4. 在返回值是 <asdfasd>
                          { for $x in $doc//a
                                where $x/@href = $confXML and matches($x/@href,"http:.*\.xml")
                             return
                                   $x/@href
                              }
                 </asdfasd>返回结果是计算了for语句后的内容<asdfasd href="http://dblp.uni-trier.de/rec/bibtex/conf/IEEEscc/2009.xml"/>
去了大括号返回<asdfasd>
for $x in $doc//a
where $x/@href = $confXML and matches($x/@href,"http:.*\.xml")
return
$x/@href
</asdfasd>一个字就是怪

分享到：