Reader-Rust

Appearance

正文规则 (ruleContent) ​

定义如何从章节页提取正文内容。

规则字段 ​

json
{
  "ruleContent": {
    "content": "",
    "nextContentUrl": "",
    "title": "",
    "webJs": "",
    "sourceRegex": "",
    "replaceRegex": "",
    "imageStyle": "",
    "imageDecode": "",
    "payAction": ""
  }
}

字段说明 ​

字段必需说明
content是正文规则，支持 CSS / JSONPath / XPath / JS
nextContentUrl否下一页正文链接，当前支持 CSS / JSONPath / XPath 直接取值
title否当前模型字段存在，但正文主流程不会单独消费
webJs否在 content 之前，对整页响应体做 JS 预处理
sourceRegex否在 content 之前，对整页响应体做正则替换
replaceRegex否在 content 之后，对提取结果做正则替换
imageStyle否当前仅保留字段，正文主流程未执行
imageDecode否当前仅保留字段，正文主流程未执行
payAction否当前仅保留字段，正文主流程未执行

执行顺序 ​

text
sourceRegex
  ↓
webJs
  ↓
content
  ↓
replaceRegex

示例 ​

直接提取纯文本 ​

json
{
  "ruleContent": {
    "content": ".read-content@textNodes"
  }
}

HTML 正文 + 后处理清洗 ​

json
{
  "ruleContent": {
    "content": ".read-content@html",
    "replaceRegex": "##<br\\s*\\/?>##\\n##</p>##\\n##<[^>]+>##"
  }
}

先清理原始页面，再提取正文 ​

json
{
  "ruleContent": {
    "sourceRegex": "##<script[\\s\\S]*?<\\/script>##",
    "webJs": "js:input.replace(/&nbsp;/g, ' ')",
    "content": ".read-content@textNodes",
    "replaceRegex": "##广告推荐.*$##"
  }
}

JS 直接返回正文 ​

json
{
  "ruleContent": {
    "content": "js:input.match(/<div class=\\\"content\\\">([\\s\\S]*?)<\\/div>/)?.[1] || ''"
  }
}

分页正文 ​

json
{
  "ruleContent": {
    "content": ".article-content@textNodes",
    "nextContentUrl": ".next-page@href"
  }
}

最佳实践 ​

  1. 优先用 content 负责提取，把清洗放进 sourceRegex / webJs / replaceRegex
  2. nextContentUrl 当前不要写 ##... 或 @js: 后处理，直接返回链接即可
  3. 如果站点正文本身是 JSON，直接让 content 走 JSONPath 更稳定
  4. title、imageStyle、imageDecode、payAction 目前还不是正文主链路的一部分