1、抓取文本:抓取显示在页面中的文本
操作:鼠标选中页面中的文本,在弹出的操作提示框中选择【文本内容】,目标文本就被采集下来了。 同时,将鼠标移动到字段名【文本】上,点击2、抓取图片网址:抓取图片的网址
操作:鼠标选中页面中的图片,在弹出的操作提示框中选择【图片链接】,图片网址就被提取下来了。 同时,将鼠标移动到字段名【图片地址】上,点击3、抓取链接网址,抓取网页上超链接的网址
操作:鼠标选中页面中的超链接(一般是放在标题文本、图片中,可点击跳转),在弹出的操作提示框中选择【链接地址】,超链接的网址就被提取下来了。 同时,将鼠标移动到字段名【链接地址】上,点击4.抓取网页源码:抓取网页元素对应的源码
抓取网页源码Outer Html 操作:鼠标选中页面中要抓取的元素,在弹出的操作提示框中选择【Outer Html】,该元素对应的源码(Outer Html)就被采集下来了。 同时,将鼠标移动到字段名【OuterHtml】上,点击5.抓取网页源码Inner Html
操作:鼠标选中页面中要抓取的元素,在弹出的操作提示框中选择【Inner Html】,该元素对应的源码(Inner Html)就被采集下来了。 同时,将鼠标移动到字段名【Inner Html】上,点击
6、抓取元素属性值
先用XPath找到当前元素的源码,观察当前源码中存在什么属性值、需要提取哪个属性值,然后提取存在且需要的属性值即可。 示例网址:https://search.jd.com/Search?keyword=%E6%89%8B%E6%9C%BA&enc=utf-8&qrst=1&rt=1&stop=1&vt=2&wq=%E6%89%8B%E6%9C%BA&page=7&s=177&click=0 操作步骤: 如图,是一个京东商品列表页。每一个商品,都有一个商品ID,现在需要采集这个商品ID。 第1个商品列表的定位XPath为.//*[@id=‘J_goodsList’]/ul/li[1],对应的网页源码中,有class、data-sku、data-spu、data-pid四个属性。我们需要抓取data-sku这个属性的属性值。
