🚩【组件功能】：通过前后截取、通配符参数组合或纯正则方式提取源字符串中指定的文本内容

配置预览

配置说明

源内容 支持T或# 默认FLOW输入项

进行处理、匹配的对象，若为空，以上一个组件的输出为源内容。

提取方式

前后截取/通配符参数组合/纯正则

前字符串 支持T或#

指定结果字符串的前字符串，作为截取源内容的开始字符，需能准确定位到指定结果字符串，不可匹配到其他字符串，造成处理结果错误。若前字符串中包含可能变化的字符串，使用通配符[*]替代。

后字符串 支持T或#

指定结果字符串的后字符串，作为截取源内容的结束字符，需能明确指定结果字符串的范围。若后字符串中包含可能变化的字符串，使用通配符[*]替代。

匹配内容 支持T或#

使用[参数]代表最终所需的指定结果字符串，用指定结果字符串的前后字符来定位参数，这个前后字符串的写法同前后截取。若前后字符串中包含可能变化的字符串，使用通配符[*]替代。

组合结果 支持T或#

[参数1] [参数2] [参数N]等参数中对应的值是按照匹配内容中的[参数]的位置顺序来匹配。

纯正则表达式 支持T或#

纯正则方式，填写正则表达式从源内容提取结果，“(?<content>?)”表示匹配所有。需注意此方法用到了正则表达式相关知识，需了解正则表达式使用方法，才能熟练使用此功能。

提取结果

循环匹配提取多条：匹配源内容中所有符合截取规律的指定结果字符串，输出至list变量
仅提取第一条单条：仅匹配源内容中第一条符合截取规律的指定结果字符串，输出至string变量

忽略大小写

在执行提取方式时，通过此项确定是否忽略截取字符的大小写。

示例

前后截取

描述

获取文章https://www.huoyuyan.com/help/demo-pages/spider/demo.html的html源码，获取文章发布时间

配置

① Http请求请求https://www.huoyuyan.com/help/demo-pages/spider/demo.html获取源码
② 获取文章发布时间，通过分析发布时间在源码中所处位置，确定前字符串为发布于，前字符串在源码中唯一，不会匹配到错误字符，后字符串为</span>，为发布时间结束字符串
③ 发布时间仅有一条，因此选择 仅提取第一条单条

输出结果

通配符参数组合

描述

组件获取文章https://www.huoyuyan.com/help/demo-pages/spider/demo.html的html源码，提取img图片链接，并补全图片链接

配置

① Http请求请求https://www.huoyuyan.com/help/demo-pages/spider/demo.html获取源码
② 获取图片链接，图片有多张，通过分析多张图片共同的前后字符，确定匹配内容为<img src=".[参数]"，因要补全链接，因此组合结果中需添加图片前缀为https://www.huoyuyan.com/help/demo-pages/spider[参数1]
③ 图片有多张，因此选择 循环匹配提取多条
④ 输出结果至List变量

输出结果

纯正则

描述

组件获取文章https://www.huoyuyan.com/help/demo-pages/spider/demo.html的html源码，提取文章标题

配置

① Http请求请求https://www.huoyuyan.com/help/demo-pages/spider/demo.html获取源码
② 获取标题，运用正则表达式相关知识，确定纯正则表达式为<title>(?<content>[\s\S]*)</title>
③ 标题仅有一条，因此选择 仅提取第一条单条

输出结果