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": ""
  }
}

字段说明 ​

字段必需说明
content是正文内容选择器
nextContentUrl否下一页正文链接(分页章节)
title否章节标题选择器

内容清洗 ​

正文通常需要清洗广告、脚本等多余内容：

简单替换 ​

json
{
  "content": ".content@html##<script[^>]*>[\\s\\S]*?<\\/script>##"
}

多步替换 ​

json
{
  "content": ".content@html##<p>##\\n##</p>####<script[^>]*>[\\s\\S]*?<\\/script>"
}

JavaScript 处理 ​

更复杂的清理逻辑：

json
{
  "content": "js:result.replace(/<script[^>]*>[\\s\\S]*?<\\/script>/gi, '').replace(/<br\\s*\\/?>/gi, '\\n').replace(/<\\/p>/gi, '\\n').replace(/<[^>]+>/g, '').trim()"
}

示例 ​

标准正文 ​

json
{
  "ruleContent": {
    "content": ".read-content p@text##\\n##\\n##\\n##\\n",
    "title": ".chapter-title@text"
  }
}

HTML 转纯文本 ​

json
{
  "ruleContent": {
    "content": ".content@textNodes",
    "title": "h1@text"
  }
}

分页正文 ​

如果一章分多页：

json
{
  "ruleContent": {
    "content": ".article-content@textNodes",
    "nextContentUrl": ".next-page@attr[href]##@js:result && result.includes('下一页') ? result : ''"
  }
}

最佳实践 ​

  1. 保留换行: 用 \n 替换 <p> 或 <br> 保持段落格式
  2. 去除广告: 提前过滤脚本、推广内容
  3. 处理分页: 如网站有分页，设置 nextContentUrl
  4. 标题补充: 如果页面没有标题，可以用 title 规则提取