前嗅ForeSpider脚本教程：链接过滤脚本

阅读更多

链接过滤脚本是地址和标题过滤中的脚本， 过滤类型必须选择脚本过滤时过滤脚本才能生效，过滤脚本用于处理复杂的链接或标题过滤需求。

 

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: 当前链接dom树的href标签节点[ 对象类型: domItem ]

TMPL: 当前文档模板对象[ 对象类型: tmplTmpl ]

LINK:当前链接抽取对象[ 对象类型: tmplLink ]

VALUE:当前被过滤的字符串[ 对象类型: string ]

 

二.this对象

 

当前链接过滤[tmplFilter]对象。

 

三.脚本返回值

 

返回非0保留,否则过滤。

 

示例：

 

1.以下脚本过滤空白链接：

 

if(VALUE) 
return true;
else return false;

 

2.【标题过滤】以下脚本过滤标题的长度小于5个字符的链接：

 

if(VALUE.length>=5)
 return true;
 else return false;