contains()函数是最常用的

doc转htm，假如单独抓一份数据是ok，但是数量多就不好，规则不好鉴定，容易抓错内容，抓空，所以contains()函数是最常用的，根据文本中的标志文字定位节点


我把文件放到了百度云盘里了http://pan.baidu.com/s/1ctg34E
规则不管怎么写都是不行，能不能详细指导一下我呢？
我用这个规则
规则一
//*[contains(./td//span/text(),'质式')][1]/td[2]  是能定位，就没有办法精确定位那个位置
规则二

• //*[@class='MsoNormal'][contains(.//text(),'质式')]/../following-sibling::td[2]
  

完全定位不到



帮我看一下@xandy

主题名是什么？

Fuller 发表于 2017-3-10 18:37
主题名是什么？

主题名给你也进去了啊，我是本地服务器搭建起来采集的

zhuohui1987 发表于 2017-3-10 18:49
主题名给你也进去了啊，我是本地服务器搭建起来采集的

主题：zh报告  给你没有用呀

无法访问目标网页就无法帮你诊断，在百度上搜索xpath的教程，对着教程尝试一下其他xpath表达式

暂且理解为你就只抓下面这一单元格的内容：

先观察一下，文本中含“质式”的单元格很多，所以要让xpath具有唯一性，这样就要考虑如何通过同级或者父级、子级这样的关系来构建。（要理解很简单，叫小明这个名字的人有10个，但是这个小明的兄弟叫小天的可能就只有1个，所以可以通过关系来间接构建唯一性）。
定位上面要抓的目标单元格所在的行的xpath可以这样写：

1. //*[contains(./td//span/text(),'实物状况描述与分析')]/following-sibling::*[contains(./td//span/text(),'质式')]

复制代码

定位上面要抓的目标单元格的xpath可以这样写：

1. //*[contains(./td//span/text(),'实物状况描述与分析')]/following-sibling::*[contains(./td//span/text(),'质式')]/td[2]

复制代码

定位上面要抓的目标单元格的同级单元格xpath可以这样写：

1. //*[contains(./td//span/text(),'实物状况描述与分析')]/following-sibling::*[contains(./td//span/text(),'质式')]/td[position()>1]

复制代码