获取网页xpath

用google浏览器

按F12打开开发者界面
或者右键-检查

这三个按钮分别是 辅助定位 网页前端 网络检查

辅助定位
点一下就会跳到对应位置

打开辅助工具

右键选中要抓的东西

复制到query里
黄色的就是抓到的部分

把数组下标去掉就是抓所有的

具体案例

表格状

抓文件名整列

//*/td[1]

标题

//*/td[1]/a

链接

//*/td[1]/a/@href

要看具体的网络结构

时间

//*/td[3]

http://www.xjboz.gov.cn/zwdt/tzgg.htm

直接复制对应的xpath为

//[@id=“line_u8_0”]/a/font
//[@id=“line_u8_1”]/a/font

这样不好爬整个列表

于是爬上一级

/html/body/div/section[3]/div/div[2]/section/ul

然后再抓下面对应的
每行
/html/body/div/section[3]/div/div[2]/section/ul/li
标题
/html/body/div/section[3]/div/div[2]/section/ul/li/a/font
时间
/html/body/div/section[3]/div/div[2]/section/ul/li/a/span

Xpath高级用法

https://blog.csdn.net/xc_zhou/article/details/80951874

position()

用来选取下标

|

合并抓取

网页中时间年与月日分开

1.

抓上级

XPath函数——字符串函数

2.

http://www.xa.gov.cn/xw/rdgz/1.html

1、concat()

  concat()函数用于串连多个字符串。

concat(/html/body/div[4]/div/div[3]/div/article[1]/a/div/div[2],
'-')

  concat(concat(/html/body/div[4]/div/div[3]/div/article[1]/a/div/div[2],
'-'),/html/body/div[4]/div/div[3]/div/article[1]/a/div/div[1])

更好的

concat(/html/body/div[4]/div/div[3]/div/article/a/div/div[2],'-',/html/body/div[4]/div/div[3]/div/article/a/div/div[1]
)

但是只能连一个，没法抓整个列表

内容有空行

但是不想要

注意到

可以用数组下标

/html/body/div/div[5]/div[3]/div/ul/li[1]/a/span[1]/text()[3]