daishudj (袋鼠短剧网) HTML结构分析

搜索页面

URL: https://www.daishuduanju.com/?s={关键词}
页面结构:
- 列表容器：div.item-jx.item-blog
- 缩略图：.thumb img
- 标题：.subtitle h5 a
- 摘要：.subtitle p.pdesc
- 分类：.sortbox a.sort
- 作者/时间：.pmbox .l 内的 .author、.time

单条结果结构

html

<div class="item-jx item-blog">
  <div class="jxbox">
    <div class="thumb">
      <a href="https://www.daishuduanju.com/1047/">
        <div class="thumb-inner">
          
        </div>
      </a>
      <div class="sortbox"><a href="https://www.daishuduanju.com/duanju/" class="sort sort-1">短剧</a></div>
    </div>
    <div class="subtitle">
      <h5 class="line-tow"><a href="https://www.daishuduanju.com/1047/">短剧《将军回乡》高清完整版全集免费在线观看</a></h5>
      <p class="pdesc">📺 ... 夸克网盘：... https://pan.quark.cn/...</p>
      <div class="pmbox">
        <div class="l">
          <a class="author" href="...">袋鼠短剧网</a>
          <span class="time">2025年11月16日</span>
        </div>
      </div>
    </div>
  </div>
</div>

提取要点

标题：h5 a 文本
详情 URL：h5 a 的 href
摘要：p.pdesc 文本（通常包含观看地址和部分链接）
分类标签：.sortbox a
发布时间：.pmbox .time（格式含中文，如 2025年11月16日）
作者：.pmbox .author
附带链接：摘要可能直接包含下载链接，可做快速过滤，但最终以详情页为准

详情页面

URL 规则：https://www.daishuduanju.com/{post_id}/
主体容器：.article-body
常见内容顺序：
1. 顶部信息框（观看地址、夸克链接按钮）
2. 介绍/剧情文案（多段 <p>）
3. 相关文章、评论等

下载信息块

html

<div style="...">
  <div style="font-size:18px;font-weight:bold;">📺 观看地址</div>
  <div>
    <span>夸克网盘：将军回乡</span>

    <a href="https://pan.quark.cn/s/703f4c422d24" target="_blank" rel="noopener nofollow">https://pan.quark.cn/s/703f4c422d24</a>
  </div>
  <div style="...">
    <a href="https://pan.quark.cn/s/703f4c422d24" ...>观看全集</a>
  </div>
  ...
</div>

其他形式

纯文本段落：<p>夸克：https://pan.quark.cn/s/... </p>
多链接场景：介绍底部 p.pdesc 或相关内容中附带多个 https://pan.quark.cn/s/... 链接
可能含有二维码、外部提示、群组链接，可忽略

DOM 选择建议

优先在 .article-body 内查找 <a href>，筛选包含网盘域名的链接
若 .article-body 缺失，则回退到整篇文章 article.post
提取码通常写在同段文本或链接 href 参数中，使用关键字匹配 提取码/密码/pwd

支持的网盘域名

夸克：pan.quark.cn
（可扩展）百度、阿里、迅雷等，如出现可重用通用判断逻辑

实现要点

搜索：直接请求 HTML 列表，解析 .item-jx，提取基础信息。
详情：抓取 .article-body，搜集 <a> 链接，并结合文本解析裸露 URL。
提取码：在链接周围文本、父节点、相邻节点中搜 提取码/密码/pwd/code。
时间格式：中文日期需转换成 YYYY-MM-DD，可替换 年/月/日。
去重：使用文章 ID (/1047/) 作为 UniqueID 的一部分。