Xpath工具使用教程
八爪鱼·云采集网络爬虫软件
本教程告诉大家如何使用八爪鱼内置的某path工具。
一、常见使用场景
在日常使用八爪鱼采集数据时，偶尔会出现一些特殊情况，比如说某个采集步骤因为网页或八爪鱼识别的问题，定位发生了偏差，导致自动生成的某path有一点问题，采集出错。这个时候需要我们手写某path来定位想要设置的步骤，而八爪鱼有个内置的某path工具，可以帮助大家写一些简单的某path位置（除了打开网页步骤没有某path工具以外，其他步骤都有）。
二、某path工具位置
某path工具可以在两个地方打开。
一个入口是：登陆进去后的软件首页-工具箱里可以直接打开。
控制图按数据类型分类八爪鱼·云采集网络爬虫软件java立体圣诞树代码
另一个入口是：流程中步骤的“自定义”按钮，点击进入
八爪鱼·云采集网络爬虫软件
html页面嵌套html页面
点击“自定义”按钮后，点击“不懂某path，试试某path工具”
三、某path工具界面介绍
打开某path工具，该工具界面主要分为五个部分：
爬虫软件 app
八爪鱼·云采集网络爬虫软件
左上是填写网址左中是浏览器
左下是页面HTML源码（由于某path工具的网页源码层次不分明，查看源码的话建议使用火狐浏览器的插件firebug和firepath，这是某path的入门教程，新用户有兴趣的也可以去学习一下：
1、我们来看一下定位参数
八爪鱼·云采集网络爬虫软件
八爪鱼·云采集网络爬虫软件
2）元素位置：默认填了1，这个位置的意思就是第几个，一般没什么用，因为火狐里自动生成的某path很多都是用位置定位的，要用这个不如用火狐生成来得快；
3）元素ID属性值,元素name属性值，元素cla属性值：属性值就是一行源码内用<>尖括号括起来的参数，会有很多，这里的三个属性值是大部分网页都会有的属性值，这里只有三种，但改也是可以的,例如：
八爪鱼·云采集网络爬虫软件
八爪鱼·云采集网络爬虫软件
如果你想定位的属性不是这三个，比如说target，也可以直接把target=后面双引号里的属性值复制一下，随便放入到一个属性里面
八爪鱼·云采集网络爬虫软件
这时候是匹配不到的，需要将生成的某path里的属性改成target即可：
4）元素文本：是火狐里的所有黑字体，一般是会在网页显示出来我们可以直接看到的字体，如果要填这一格，填的必须是全部的文本，少一个空格标点符号，全角半角不一致都会
八爪鱼·云采集网络爬虫软件
导致定位不到，不过要是是纯文字的那就没问题；
5）元素文本包含字符串：包含，顾名思义就是只要文本里有就会定位出来，不用管什么标点符号空格；
6）元素文本开始字符串：就是前几个字，如果源码里是以什么空格标点符号之类的开头的，如果这里没写，就定位不到
2、看完了右上角的参数设置，我们来看一下右下角的元素之间的层级关系
父元素，子元素，这两个是相对应的，
八爪鱼·云采集网络爬虫软件
前面元素，后面元素也是相对应的。
这里我们去火狐里截取一小段源码，来简单说明一下：
红框里，a元素的父元素是div，div的子元素是a。a，pan，div三个都是同胞元素，pan的前面元素是a，a的后面元素是pan，以此类推。
这几个参数的主要功能是当你想要的数据没有可定位的参数，或者有参数但是不可用的时候，可以先定位到该元素的附近，再看看是父子关系还是前后关系，从而定位到最终想要的数据位置。
四、某path工具操作示例
这边某path工具的基本功能点就讲完了，下面我们来看一个实例。
八爪鱼·云采集网络爬虫软件
怎么结束电脑进程快捷键
1、操作示例
需求：无下一页，只有数字的页面怎么实现翻页
2、操作步骤
这类网站都是没有下一页，翻页的地方只有数字，但是当前页在源码里查看是有标识的，或者说当前页的元素跟下一页的元素都是不一样的，所以每次定位到当前页的下一页即可实现翻页的步骤。
八爪鱼·云采集网络爬虫软件
从而，我们就可以用thicla为标识先定位到当前页，
八爪鱼·云采集网络爬虫软件
linux安装samba再定位到当前元素pan的下一个元素，点一下后面元素
八爪鱼·云采集网络爬虫软件
八爪鱼·云采集网络爬虫软件

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。