采集演示

以采集 ZanUI 微信小程序中文文档 作为演示案例。

创建一个文档项目，并创建一个标识为SUMMARY.md的文档，把下面的采集规则内容粘贴进去，然后保存，就会自动帮你采集了。

采集规则：

    <selector>.van-doc-content</selector>
    <mode>chrome</mode>
    <spider></spider>
    - [基础]($basic.md)
        - [Icon 图标](https://www.youzanyun.com/zanui/weapp#/zanui/base/icon)
        - [Card 卡片](https://www.youzanyun.com/zanui/weapp#/zanui/layout/card)
        - [Panel 面板组件](https://www.youzanyun.com/zanui/weapp#/zanui/layout/panel)
    - [表单]($form.md)
        - [Field 输入框](https://www.youzanyun.com/zanui/weapp#/zanui/form/field)
        - [Switch 开关](https://www.youzanyun.com/zanui/weapp#/zanui/form/switch)
        - [Select 选择](https://www.youzanyun.com/zanui/weapp#/zanui/form/select)
        - [Stepper 计数器](https://www.youzanyun.com/zanui/weapp#/zanui/form/stepper)
    - [展示]($display.md)
        - [Tag 标签](https://www.youzanyun.com/zanui/weapp#/zanui/view/tag)
        - [Badge 徽章](https://www.youzanyun.com/zanui/weapp#/zanui/view/badge)
    - [交互]($interactive.md)
        - [Actionsheet 行动按钮](https://www.youzanyun.com/zanui/weapp#/zanui/interactive/actionsheet)
        - [Loadmore 加载](https://www.youzanyun.com/zanui/weapp#/zanui/interactive/loadmore)

好了，就这么简单，程序帮你采集ZanUI的文档，并将HTML转成markdown内容存入你的数据库。

采集规则说明：

• <selector>标签里面是内容选择器。会jQuery的，相信这个不难理解。如上面的采集规则<selector>标签中，.van-doc-content表示采集class=”van-doc-content”的内容。
• <mode>标签里面存放的是采集模式。chrome表示使用谷歌浏览器进行采集，这个对于采集使用js进行渲染的页面内容极为重要。如果采集的页面内容，不是使用js进行渲染的，则可以不用<mode>标签指定采集模式。
• <spider>标签，里面什么内容都不需要，但这个是必需标签，用于告诉后端，我这个是个采集规则，让后端根据照规则去采集内容。

HTML标签排除功能

<exclude></exclude>如要排除标签h5以及class为hello、id为”book”的HTML内容，写法是

<exclude>h5,.hello,#book</exclude>

这个排除功能对其它的CSS规则也是适用的，比如说不采集P标签的最后一行，可以这样写：
<exclude>.content p:last-child</exclude>

文档拆分功能

采集完后，可以对文档进行拆分。使用以下标签可能拆分文档，如要以##作来拆分符，直接保存后就生效了 <bookstack-split>##</bookstack-split>

拆分后的子文档最好修改一下，再保存，以确保子文档的格式不会乱

自动提取标题

新版本2.5中加入了自动提取文档的标题作为文档的名称：$auto-title 这个现在发现是用在排序上的，格式如下：

<bookstack-summary></bookstack-summary>
- [$auto-title]($README.md)
- [$auto-title]($chapters-install.md)

采集后处理

• 如果是从EPUB电子书导入的话，会有一个

  <a class="pcalibre1 pcalibre calibre9">

  的标签，影响标题的显示，要把它替换为其它标签，并把它隐藏了。同时[TOPC]这个要删除了，不然显示乱七八糟的。

• 采集如果有其它字符的，也要处理下

  &

  需要把这个替换回：&

• 电子书导入的，代码块不太好看，还是尽量从GITBOOK、GITHUB中导入好些