简数导航：简数首页 简数控制台 采集入门教程 数据导出发送 采集翻译
常用截取&提取
主要功能是使用正则表达式提取或替换匹配的内容。
主要功能使用方法：
1. 常用截取&提取表达式
简数文章采集提供常见的提取和截取正则表达式，不懂正则语法也可轻松使用，只需点击下对应的按钮；
注意：如果没匹配到要保留的内容则该字段会变为空内容，所以需要时才设置；
例子：假设日期和其他信息混在一起，无法通过选择区域分开，这时可使用日期提取功能，记得最后保存：
2. 自定义正则表达式
可自定义填写正则表达式提取或替换需要的内容，如果没匹配到内容则该字段为空内容；
将匹配的内容：填写正则表达式，匹配原值中符合条件的所有内容；
替换为：如果不填，会提取匹配的内容； 如果填写了，匹配的内容会被填写的值替换，原值其他内容保持不变；
正则捕获组：使用正则捕获语法提取内容（就是匹配括号中的内容会被提取），该处只能提取不能替换； 注意：正则捕获只会匹配符合条件的第一个内容，而不是所有都匹配；
多组值分隔符：如果正则捕获组有多个，该值会作为分隔符，默认为空；
注意：如果【字符替换】、【将匹配的内容】和【正则捕获组】同时设置了，【将匹配的内容】先执行，然后【正则捕获组】再执行，最后【字符替换】执行；
3. 前后截取功能
可截取开头字符串和结尾字符串之间的内容作为采集内容，一般建议使用鼠标点选自动生成采集规则方式更为方便。
开头字符串(前后截取)：可填写文本，Html代码，正则表达式（需勾上后面的使用正则）；
结尾字符串(前后截取)：可填写文本，Html代码，正则表达式（需勾上后面的使用正则），可为空不填写（即一直截取到所选采集区域结尾）；
过滤部分html标签：默认即可，如果截取内容为空，或者开头结尾字符串中包含html代码（例如含有class，id等属性），去掉不勾选【过滤部分html标签】，才可以成功截取到内容的；
- 不勾上使用【过滤部分html标签】功能，页面的html代码会完整保留下来，包括html标签属性，脚本标签，注释等；
- 如果无法截取到内容，请检查以下设置：
- I. 字段数据处理的【HTML标签过滤】页面的获取html为勾上使用；
- II. 字段数据处理的【HTML标签过滤】页面的过滤部分html标签为不勾上；
- III. 当前字段xpath值改为
/html
备注：如果截取后有多余的内容，可以使用字符替换正则替换删除，例如删除标签属性(class=".*?"和id=".*?")，脚本标签(<script[\s\S]+?</script>)，注释(<\!--[\s\S]+?-->)等；