# 小说爬虫配置（示例）
# 使用方式: python text.py config.yml

# 基本配置
basic:
  # 小说详情页面的 URL
  novel_detail_url: 'https://www.example.com/novel/123'
  
  # 小说章节列表页面的 URL 列表
  # 如果章节列表在小说详情页面，可以直接使用 novel_detail_url
  novel_chapter_url: 
    - 'https://www.example.com/novel/123/chapters'
  
  # 小说保存路径，默认为当前目录
  download_path: './downloads'
  
  # 小说文件的编码(TXT) (utf-8, gbk, gb2312等)
  novel_file_encoding: 'utf-8'
  
  # 输出格式 (txt, epub)
  output_format: 'txt'
  
  # 缩进字符串
  indent_string: '    '
  
  # 是否启用调试模式
  debug: False

# 选择器规则配置
rules:
  # 小说名称 CSS 选择器
  novel_name: 'h1'
  
  # 小说作者 CSS 选择器
  novel_author: 'span.author'
  
  # 小说简介 CSS 选择器
  novel_intro: 'div.intro'
  
   # 小说封面图片路径(img标签)
  novel_cover_img: 'body > div.book > div.info > div.cover > img'
  
  # 小说章节区域 CSS 选择器
  novel_chapter_div: 'div.chapter-list'
  
  # 小说单个章节的区域(相对于小说章节区域)
  novel_chapter_div_only: 'li.chapter-item'
  
  # 小说章节名称(相对于小说章节区域)
  novel_chapter_name: 'a::text'
  
  # 小说章节 URL(相对于小说章节区域)
  novel_chapter_url: 'a::attr(href)'
  
  # 小说章节内容区域 CSS 选择器
  novel_chapter_content_div: 'div.content'
  
  # 小说单段规则(相对于小说章节内容区域)
  novel_chapter_content_p: 'p'  # 可以是 br, p, div, span 等
  
  # 小说净化内容配置
  purify:
    # 需要净化的文本列表
    text:
      - '广告内容1'
      - '广告内容2'
    
    # 需要净化的正则表达式列表
    re:
      - '[\d]{4}-[\d]{2}-[\d]{2}'  # 去除日期格式
      - '本章节.*更新'             # 去除更新提示

# 网络请求配置
network:
  # 请求头设置
  headers:
    User-Agent: 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
    Referer: 'https://www.example.com'
    Accept-Language: 'zh-CN,zh;q=0.9'
  
  # Cookies 设置
  cookies:
    session_id: 'abc123'
    token: 'xyz456'
  
  # 请求超时时间(秒)
  timeout: 5
  
  # 失败重试次数
  max_retries: 5

  # 多线程模式，忽略每分钟请求限制
  multi_threading: True # 多线程模式
  thread_count: 32 # 线程数量
  
  # 每分钟请求量，设为 None 则不限制
  request_interval_time: 1000