xpath 用什么软件能准确抓取？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 3028 天前的主题，其中的信息可能已经有所发展或是发生改变。

我用 chrome 的 F12 抓 xpath 感觉跟别人写的不一样呀。

17 条回复 • 2016-08-19 00:28:27 +08:00

loading

2016-08-18 11:44:55 +08:00 via Android

能用就行啦，别人是自己优化过的， chrome 是自动的，当然不同。

lgh

2016-08-18 12:28:53 +08:00

用 XPath 定位某个元素的方法可能有无数种，但软件只能死板地生成一种，你觉得能让你满意的概率有多大？

zencoding

2016-08-18 14:28:44 +08:00 via Android

有 chrome 扩展，一直在用

xiaoyu9527

2016-08-18 14:37:08 +08:00

@zencoding 哪个扩展

imn1

2016-08-18 15:13:37 +08:00

同一个元素有很多种 xpath 写法的

wgx

2016-08-18 15:48:09 +08:00

您好，请问最近有看机会吗？国内最大的跨境快时尚电商公司 shein 招聘后台技术总监（带团队， python 开发），经验要求 5-10 年， 25k-40k ，五天七小时，下午茶，季度旅游，坐标深圳南山大学城。联系微信： 13226230923 ，邮箱 [email protected]

changshu

2016-08-18 15:59:19 +08:00

对于抓取 html 后的 xpath 选取, 以实调 html 为准, 浏览器 f12 提供的仅能做参考

changshu

2016-08-18 16:00:57 +08:00

原因忘写了

一来浏览器提供的 dom 树可能被 js 修改过，和你抓到的原生 html 不一致

二浏览器会对抓取到的 html 做一定程度的修正，和你抓到的原生 html 也有可能不一致

xiaoyu9527

2016-08-18 16:16:36 +08:00

@wgx 资格不够呀。

@changshu 请能帮我分析一下有啥不一样么？我贴个例子

//*[@id="maincontent"]/div[1]/div[1]/h2/a 我用 F12 COPY 出来是这样

//h2/a/@href

而这个蜘蛛的作者写的是这样。虽然我看的明白后者就是 //h2/a/href 跟我最后两段一样。

但是我不明白如果我复制出来的这种应该怎么写呢

prefere

2016-08-18 16:26:15 +08:00

// 从非根任意节点开始匹配
* 匹配任意元素
[@] 属性选择器
[index] 匹配第 index-1 个元素

laoyur

2016-08-18 16:32:51 +08:00

@xiaoyu9527 『如果我复制出来的这种应该怎么写呢』
没看懂你在问什么， 5 楼已经说了，同一个元素的 xpath 有 N 种写法，你要测试自己写的对不对，直接在 Elements tab 下按 Ctrl + F 搜索，然后输入你自己写的就行了

prefere

2016-08-18 16:34:23 +08:00

更正：最后一条错了，[index] 匹配第 index 个元素。

xiaoyu9527

2016-08-18 16:58:50 +08:00

//div[1]/ul/*/div/h3/a 为什么这样抓不出来连接
//div[1]/ul/*/div/h3/a/@href 就可以抓出来链接

@href 这个是什么意思？

laoyur

2016-08-18 17:01:33 +08:00

@xiaoyu9527 那还是建议你去看看 xpath 手册
@href 的意思是 a 的 href 属性啊

xiaoyu9527

2016-08-18 18:37:17 +08:00

@laoyur 我看了。。

changshu

2016-08-18 20:27:53 +08:00

@xiaoyu9527

第一个是获取元素

第二个是获取某元素的 href 属性

xpath 本身的写法比较多，好像老王的儿子也可以是老张的邻居一样，没什么唯一的写法.

一切以调试你获取的 html 为准，别多管 chrome 给的提升.

xiaoyu9527

2016-08-19 00:28:27 +08:00

@changshu 学习到了。