采集当当网新书榜单

规则名：dangdang新书热卖榜-小说，每本书的字段会不太一样，采集出来的数据，有的字段会出错。比如：







网址：http://bang.dangdang.com/books/newhotsales/01.03.00.00.00.00-recent7-0-0-2-1

当当网上的这一条信息都在这个div[@class='publisher_info']下，数量有变，有些看起来都很特别，比如，作者 Paul Bowles竟然分成两A元素节点存储。所以，用规则分开太难了。我建议把这一整条采集下来，导出成excel，用分列功能把他们分出来。


即使用excel的分列功能可能也要解决很多特殊情况。比如，“（日）东野圭吾 著，”和“（美）保罗·鲍尔斯(Paul Bowles)  著；”他们的分割符分别是“著，”和“著；”，要分别应对，有的还是仅仅一个“，”号