书源结构

本页讲清楚每个能力块长什么样。每个字段的取值是一条「规则」,规则的写法见规则语法。完整约束以 book-source.schema.json(由 Rust 类型自动生成)为准。

http —— 请求配置

"http": {
  "headers":  { "User-Agent": "Mozilla/5.0 …", "Referer": "https://example.com/" },
  "cookies":  { "key": "value" },
  "warmup":   ["https://example.com/"],
  "charset":  "auto",
  "fetcher":  "auto",
  "timeout":  15000,
  "retry":    { "max": 2, "backoffMs": 500 },
  "rateLimit":{ "maxCount": 1, "perMs": 1000 }
}

字段	说明
`headers`	每个请求都带的请求头(常用于 `User-Agent` / `Referer`)
`cookies`	静态 cookie;也是手动注入 `cf_clearance` 等通行证的落点
`warmup`	先 GET 这些页以预热会话 cookie(站点需要先访问首页/某接口才放行时用)
`charset`	`auto`(默认,UTF-8 失败回退 GBK)/ `utf8` / `gbk` / `gb18030` / `big5`
`fetcher`	取页模式:`auto`(默认,撞反爬才用浏览器)/ `reqwest`(永不开浏览器)/ `browser`(整站走浏览器)。见反爬
`timeout`	单请求超时(毫秒)
`retry`	失败重试:`max` 次数、`backoffMs` 退避
`rateLimit`	限速:`perMs` 毫秒内最多 `maxCount` 次

search —— 搜索

"search": {
  "request": { "url": { "template": "{{base}}/search.html?searchkey={{key}}" }, "method": "GET" },
  "list":    { "via": "css", "select": ".module-search-item" },
  "item": {
    "bookUrl": { "via": "css", "select": "h3 a", "extract": { "attr": "href" } },
    "name":    { "via": "css", "select": "h3 a", "extract": "text" },
    "cover":   { "via": "css", "select": ".module-item-pic img", "extract": { "attr": "data-src" } }
  }
}

request:url(模板或规则)、method(GET/POST)、可选 body、可选 headers、可选 vars(命名捕获供模板用)。{{key}} = 搜索词。
list:选中所有结果条目的规则。
item:在每个条目上抽字段(同 bookInfo 的字段集),必须含 bookUrl(指向书详情)。

explore —— 分类浏览

"explore": {
  "categories": [ { "title": "玄幻", "url": { "template": "{{base}}/sort/1_{{page}}.html" } } ],
  "list": { "via": "css", "select": ".module-item" },
  "item": { "bookUrl": { "…": "…" }, "name": { "…": "…" } }
}

categories:分类列表,每项 title + url(常含 {{page}} 翻页)。
list / item:同 search。搜索被反爬挡住时,浏览是重要的降级入口。

bookInfo —— 书详情

在书详情页抽取字段(均可省略):

字段	含义
`name`	书名
`author`	作者
`cover`	封面图 URL
`intro`	简介
`kind`	分类 / 标签 / 状态
`lastChapter`	最新章节名
`tocUrl`	目录页 URL(常来自 `og:novel:read_url`)
`wordCount`	字数

很多站点提供 og: meta,最稳:

"bookInfo": {
  "name":   { "via": "css", "select": "[property=\"og:novel:book_name\"]", "extract": { "attr": "content" } },
  "tocUrl": { "via": "css", "select": "[property=\"og:novel:read_url\"]",  "extract": { "attr": "content" } }
}

toc —— 目录(章节 + 分卷)

"toc": {
  "list":     { "via": "css", "select": ".box > h2.module-title, .box a.module-row-text" },
  "name":     { "firstOf": [ { "via":"css","select":".module-row-title","extract":"text" },
                             { "via":"css","select":"h2","extract":"text" } ] },
  "url":      { "via": "css", "select": "a", "extract": { "attr": "href" } },
  "isVolume": { "via": "css", "select": "h2", "extract": "text" },
  "maxPages": 1
}

list 同时选中卷标题与章节链接并保持文档顺序;isVolume 对卷节点求值非空、对章节为空 → 引擎据此切分「卷 → 章」生成折叠目录树。无分卷时省略 isVolume。
目录翻页:可选 nextPage(选下一页链接的规则)+ maxPages(硬上限,默认 1)。

content —— 正文

"content": {
  "value": {
    "via": "css", "select": ".article-content", "extract": "html",
    "clean": [ { "regex": "请收藏本站[^<\\n]*", "replace": "" }, { "trim": true } ]
  },
  "maxPages": 1
}

value:正文抽取规则。extract: "html" 会把 <p>/<br> 转成换行再清理标签;clean 流水线去掉页脚广告等。
正文分页:可选 nextPage + maxPages。

samples —— 黄金样例

"samples": [
  { "bookUrl": "/novel/guzhenren.html",
    "expect": { "name": "蛊真人", "volumes": 8, "minChapters": 2000, "minContentChars": 500 } }
]

samples 提供一两本真实书的期望(name / minChapters / volumes / minContentChars),供 trn doctor 全流程校验,也用于运行期自愈。强烈建议至少写一条。