网页里表格结构不同，该怎么解决

我是抓取淘宝后台SKU的数据，然后遇到表格的结构不同，缺少了2个TD，没有ID定位，class都是一样，因为缺少了TD，也是不能绝对定位，不知道怎么抓好，求助:
1、这个是我要抓取后台的SKU表



2、SKU表的标签


3、表格缺少了2个TD，数量不一样


4、缺少了的就是这2个，颜色分类、颜色图片


5、我想要抓取的数据有：颜色分类、尺码、价格、数量、商家编码，不知道怎么操作了~~~~~~~~~~~~~~~~~

这是因为有单元格合并，第一个TR是表头，最全，虽然不抓表头，但是你可以用表头作为第一个样例做内容映射，完成后做样例复制映射，表头是第一个，第一行内容是第二个样例。这样能抓。

class相同的话，要注意避免都抓第一列，具体参看后两篇帖子：http://www.gooseeker.com/doc/thread-707-1-1.html

Fuller 发表于 2016-8-2 15:56
这是因为有单元格合并，第一个TR是表头，最全，虽然不抓表头，但是你可以用表头作为第一个样例做内容映射， ...

这样子也不行，第一个TR不是表头，而是内容了，表头是另外一个，您看看截图，不知道咋弄

金霏凡 发表于 2016-8-2 17:04
这样子也不行，第一个TR不是表头，而是内容了，表头是另外一个，您看看截图，不知道咋弄

...

是的，不能跨到THEAD和TBODY两个标签下，只能都用TBODY下的，那就用TBODY下的第一个TR做内容映射，然后用它做第一个样例，下一个做第二个样例，这样做样例复制映射以后，抓取到的内容不正确吗？

Fuller 发表于 2016-8-2 19:00
是的，不能跨到THEAD和TBODY两个标签下，只能都用TBODY下的，那就用TBODY下的第一个TR做内容映射，然后用 ...

不正确，抓到的都是乱的。第一个是9个TD，第二个只有7个TD，数量对不上，而且class都是一样，尝试了所有定位了

就是每到偶数行，就错位了，因为表格有合并单元格。如果规律是固定的，可以在处理抓取结果的时候，偶数行的相应位置插入两个列。

我们处理过更复杂的情况，我做的规则会把colspan这个属性抓下来，就知道哪个单元格做了合并，合并了多少个，到处理结果文件的时候进行特殊处理。

抓取的话，不好避免这个问题

Fuller 发表于 2016-8-3 18:22
就是每到偶数行，就错位了，因为表格有合并单元格。如果规律是固定的，可以在处理抓取结果的时候，偶数行的 ...

规则不固定的，colspan这个属性怎么抓取，尝试了抓取所有属性还是不行，最后处理还是不会，只会显示一个属性，这个可以用XPATH定位吗，可以的话我去学

金霏凡 发表于 2016-8-3 20:51
规则不固定的，colspan这个属性怎么抓取，尝试了抓取所有属性还是不行，最后处理还是不会，只会显示一个 ...

colspan能够用xpath定位到，但是在MS谋数台的DOM树窗口中不显示，必须xpath这样写

1. //td[position()=1]/@colspan

复制代码

就能把第一号的td下的colspan抓取下来

Fuller 发表于 2016-8-3 21:38
colspan能够用xpath定位到，但是在MS谋数台的DOM树窗口中不显示，必须xpath这样写
就能把第一号的td下的c ...

看不懂哈，我还是找点时间先学习一下，多谢你哈

金霏凡 发表于 2016-8-4 10:42
看不懂哈，我还是找点时间先学习一下，多谢你哈

这种处理难度很大，好多表格由合并单元格，而且没有规律的，都要专门处理。编程很繁琐