抓取整个html后，上面有其他东西怎么去掉？

1、我只映射了html，然后把后缀.xml改成了.html。在最上面有字，如图，关于整理箱的，怎么去掉呢？
2、如果我不仅只映射了html，还映射了正文之类的，我需要先把xml变成excel，转成excel之后，html是不是就变化了，不能用，（我的意思是，html是不是只能单独抓，抓完之后直接把xml变成html，不能先xml转成excel，再变成html，是吧）

如果把全部html都映射下来了，那么xml文件转成excel都是不规整的，不是结构化的。
所以，要么你抓整个html，要么就给要抓的采集内容做映射，形成结构化的xml文件，这样转成excel也是规整的。