前嗅ForeSpider脚本教程:字段处理脚本

字段处理脚本用于清洗字段的取值。点击某个字段后,在字段处理的下拉菜单中选择脚本处理后,需要配置的脚本。这一步是通过脚本进一步清洗获取的数据。

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 ]

ITEM: 当前dom树被取值节点[ 对象类型: domItem ]

TMPL: 当前文档模板对象[ 对象类型: tmplTmpl ]

DATA: 当前数据抽取对象[ 对象类型: tmplData ]

REC: 当前记录集对象[ 对象类型: record ]

VALUE: 当前字段获取的字符串类型的值。[ 对象类型: string ]

二.this对象

当前数据字段抽取[ tmplVal ]对象

三.脚本返回值

必须返回处理后的的数据结果[返回类型: string]

四.示例

商品大类>商品列表>商品品牌>

【网页源码】

以下脚本将取数据“商品大类”的右串:

return DOM.GetTextAll(DOM.FindClass("lumn_left01",div)).Right("商品大类");

取出的结果为:>商品列表>商品品牌

注释:

GetTextAll:取出其中所有的文本。       

FindClass:通过标签class属性值查找标签节点。   

Right: 返回字符串右边的字符串。   

以下脚本将清除数据前后的空白符:

return VALUE.TrimAll();