跳转到内容
Danmaku Anywhere

XPath规则

基于规则的，可自定义的适配方案，用于在网页上采集番剧信息从而实现弹幕的自动匹配。

基本概念

番剧信息

弹幕的自动匹配需要 4 个基本信息

适配规则允许用户为单独为每个信息提供XPath和regex

番剧标题

必须

当前播放的番剧的名称。作为关键词用于搜索番剧信息。

集数

必须

当前播放的是第几集。非分集视频（如电影）可忽略。默认为 1。分集视频则必须提供，否则无法正确匹配弹幕。

必须为阿拉伯数字，不支持非数字的集数，如“第一集”。

用于从检索到的番剧信息中选择对应的集数。

季

可选

当前播放的是第几季。存在时，作为关键词的一部分用于搜索番剧信息。搜索时会将与番剧标题拼接。

例（加粗为季）：

  • 进击的巨人 第二季
  • 进击的巨人 最终季 完结篇

大多数网站的番剧标题中包含了季信息，这种情况下可以忽略。

然而也有网站会将季信息提取出来独立在标题外，这时就需要单独提供季的XPath和regex。

单集标题

可选

当前播放的单集的标题。非分集视频默认为番剧标题。辅助匹配。

以这个标题为例：

【我推的孩子】 第二季 第01集 情感演技

四个信息分别为：

  • 番剧标题：【我推的孩子】
  • 季：第二季
  • 集数：01（转换为数字时为 1）
  • 单集标题：情感演技

或者

  • 番剧标题：【我推的孩子】 第二季
  • 季：(空)
  • 集数：01
  • 单集标题：情感演技

这两种是等价的，选择编写简单的即可。

规则

为了提取这些信息，需要根据网页的结构编写规则

规则是XPath和正则表达式regex的组合，XPath用于选择信息所在的节点，regex用于从节点的文本中提取信息。

扩展会监视选择到的节点，当节点的文本发生变化时，扩展会重新提取信息，以此判断是否需要更新弹幕。

一个适配规则可以包含至多 4 个规则，分别对应上述 4 个番剧信息。每个规则可以包含多条XPath和regex。

注意事项

  • 适配规则需要和装填配置关联（装填配置中选择）
  • 适配规则只在存在视频时生效
  • regex固定包含i标志，表示忽略大小写
  • XPath和regex存在多个时，取第一个成功匹配的
  • 如果XPath选择到多个节点，取第一个
  • XPath需要选择一个节点，不支持如concat(//*[@id="title"],"")这样的输出字符串的XPath
  • XPath可以从浏览器的开发者工具中复制。复制得到的XPath不一定能够覆盖所有情况，可能需要手动调整。

编写规则

由于网页的结构各不相同，适配规则需要根据网页的结构编写。

这里考虑两种情况：信息全部在一个节点中和信息分散在多个节点中。

单个节点

默认，也是最普遍的情况。所有信息都存在于一个节点中，这个节点通常是标题。

在表单中表现为勾选 仅使用标题匹配 选项。

举个简单的例子

假设网页上有这样一个标题：

败犬女主太多了！ 第03集 在战斗开始前就输了

对应HTML

<div id="anime-title-1" class="title">
  <p>败犬女主太多了！ 第03集 在战斗开始前就输了</p>
</div>

这个标题包含了番剧标题、集数和单集标题。

从这个标题中提取信息可以使用以下XPath：

//*[@id="anime-title-1"]

和以下regex：

(?<title>.+) 第(?<episode>\d+)集 (?<episodeTitle>.*)

提取的信息为：

{
  "title": "败犬女主太多了！",
  "episode": "03",
  "episodeTitle": "在战斗开始前就输了"
}

再举一个稍复杂的例子：

败犬女主太多了！第03集在战斗开始前就输了

对应HTML

<div
  id="anime-title-2"
  class="anime-title"
  data-title="败犬女主太多了！ 第03集 在战斗开始前就输了"
>
  <p>
    <span>败犬女主太多了！</span>
    <span>第03集</span>
    <span>在战斗开始前就输了</span>
  </p>
</div>

可以发现，虽然信息分散在多个span中，但是这些span都在同一个p和div中，选择div即可从文本中提取所有信息。 和上面的例子的区别在于这里的空格并非空格符，而是CSS样式，需调整regex。

另外可以发现div中有一个data-title属性，这个属性包含了所有信息，也可以选择这个属性。

//div/@data-title

基于这个原则，理论上所有的网页都可以理解为一个节点，只需要选择最小的包含所有信息的节点，然后使用regex提取信息即可。 当然这样可能会导致regex变得复杂，所以还可以选择使用多个节点的配置。

多个节点

即信息分散在多个节点中，这种情况下可以单独提供每个信息的XPath和regex。

在表单中表现为取消勾选 仅使用标题匹配 选项。

接着用上面的例子

<div
  id="anime-title-2"
  class="anime-title"
  data-title="败犬女主太多了！ 第03集 在战斗开始前就输了"
>
  <p>
    <span>败犬女主太多了！</span>
    <span>第03集</span>
    <span>在战斗开始前就输了</span>
  </p>
</div>

可以提供以下XPath和regex：

标题

//*[@id="anime-title-2"]/p/span[1]
.*

集数

//*[@id="anime-title-2"]/p/span[2]
第(\d+)集

单集标题

//*[@id="anime-title-2"]/p/span[3]
.*

此例子中默认季存在于标题中，所以不需要提供季的XPath和regex。