杰奇小说采集规则，杰奇说白了就是小说一套让程序自动去别人家书库“搬书”的协议。但搬书这事儿，采集讲究比想象中多得多。规则

先看最基础的杰奇采集入口。杰奇系统默认支持RSS订阅式采集，小说你给对方网站挂个采集接口，采集比如 /rss/ 路径，规则返回的杰奇XML里就按章节列表、更新时间、小说正文链接排好了。采集这相当于对方递了把钥匙，规则你顺着钥匙开门进去拿书，杰奇省事。小说可问题在于——不是采集所有站都愿意递钥匙。很多小站把RSS关了，或者干脆改了数据格式，这时候就得靠“正则匹配”硬啃HTML页面。

硬啃的坑，我踩过不止一次。对方页面结构稍微改个class名，你写好的正则就废了，采集回来全是一堆乱码夹杂着广告。后来我学乖了，规则里必须加“容错机制”——比如针对章节标题，别死等<h1>，而是同时匹配<h2>或带特定id的div。哪怕多抓几个无用节点，也比漏章节强。漏章是采集大忌，读者追更到一半发现下一章没了，骂娘都是轻的。

再说频率控制。杰奇后台能设置采集间隔，但我建议别用默认的“每秒抓一次”。你抓得越猛，对方服务器压力越大，人家反爬机制一启动，轻则封你IP，重则把你整个域名拉黑。我自己习惯把间隔调到3到5秒，每次抓取50章就停一下，模拟真人阅读速度。这招看着笨，但稳。有次我对面站主直接发邮件问我：“兄弟，你采集器是不是坏了？怎么抓得这么慢？”——你看，慢反而让对方放松警惕。

还有个容易忽略的点：图片防盗链。小说封面、章节插图往往存在对方服务器上，你直接采集HTML里的图片链接，用户访问时对方服务器会检查Referer来源，非自家域名直接拒绝显示。所以规则里必须加上“图片下载并转存到自己服务器”这一步。别嫌麻烦，否则你站上全是裂图，读者流失率直线上升。我早期吃过这亏，一本《诡秘之主》的封面裂了半个月，评论区全是催修的。

最棘手的其实是版权书过滤。杰奇官方规则里没有自动识别版权的能力，全靠人工维护关键词黑名单。我见过有人采集时把“起点中文网”的VIP章节原封不动搬走，结果对方法务函直接寄到服务器托管商那儿，站点当天就没了。我的做法是：规则里强制匹配“本站首发”或“作者授权”之类的标记，没有这些字样的书一律跳过。虽然会漏掉一些好书，但至少睡得着觉。

最后说下更新策略。别傻乎乎地全站重采，杰奇支持增量采集——只抓最近24小时有更新的小说。具体实现是比对书籍的“最后更新时间”字段，比你库里记录的新，才触发采集。这能省下大量服务器资源。我自己还加了个小技巧：每天凌晨4点定时跑一次增量，那是全网更新最少的时候，对方服务器也闲，抓起来顺畅得很。

规则写得再完美，也架不住对方站长心血来潮改版。所以定期检查采集日志比写规则本身更重要。我每周抽半小时翻一遍错误记录，看到连续报错的书就手动补采一次。反正记住一句话：采集规则是死的，网站是活的，你永远得比对方多留一手心眼。