api说明——下载gsextractor内容提取器
1，接口名称
下载内容提取器
2，接口说明
如果您想编写一个网络爬虫程序，您会发现大部分时间耗费在调测网页内容提取规则上，不讲正则表达式的语法如何怪异，即便使用XPath，您也得逐个编写和调试。
立即学习“Python免费学习笔记（深入）”；
如果要从一个网页上提取很多字段，逐个调试XPath将是十分耗时的。通过这个接口，你可以直接获得一个调测好的提取器脚本程序，是标准的XSLT程序，您只需针对目标网页的DOM运行它，就能获得XML格式的结果，所有字段一次性获得。
这个XSLT提取器可以是您用MS谋数台生成的，也可以是其他人共享给您的，只要您有读权限，皆可下载使用。
用于数据分析和数据挖掘的网络爬虫程序中，内容提取器是影响通用性的关键障碍，如果这个提取器是从API获得的，您的网络爬虫程序就能写成通用的框架。
3，接口规范
3.1，接口地址（URL）
http://www.gooseeker.com/api/getextractor
3.2，请求类型（contentType）
不限
3.3，请求方法
HTTP GET
3.4，请求参数
key 必选：Yes；类型：String；说明：申请API时分配的AppKey
theme 必选：Yes；类型：String；说明：提取器名，就是用MS谋数台定义的规则名
middle 必选：No；类型：String；说明：规则编号，如果相同规则名下定义了多个规则，需填写
bname 必选：No；类型：String；说明：整理箱名，如果规则含有多个整理箱，需填写
3.5，返回类型（contentType）
text/xml; charset=UTF-8
3.6，返回参数
HTTP消息头中的参数，如下：
more-extractor 类型：String；说明：相同规则名下有多少个提取器。通常只在可选参数没有填写的时候需要关注这个参数，用以提示客户端有多个规则和整理箱，客户端自己决定是否要在发送请求时携带明确的参数
3.7，返回错误信息
消息层错误以HTTP 400返回，比如，URL中的参数不符合本规范
应用层错误以HTTP 200 OK返回，具体错误码用XML文件放在消息体中，XML结构如下：
具体的错误码
登录后复制
具体的code值如下：keyError：权限验证失败
keyError：权限验证失败paramError：URL中传来的参数有误，比如，参数名称或值不正确
登录后复制
4，用法范例（python语言）
示例代码：
# -*- coding: utf-8 -*-from urllib import requesturl = 'http://www.gooseeker.com/api/getextractor?key=您的key&theme=您的提取器名'resp = request.urlopen(url)content = resp.read()if(content): print(content)
登录后复制
接下来我会对此API进行测试
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/2282725.html
