用XPath提取捧腹網笑話文本

記錄XPath基本語法，使用一些簡單的XPath語法提取文本

基本語法

• 獲取文本/text()
  
  • a/text()獲取a標籤下的文本
  • a//text()獲取a標籤下的所有標籤的文本
  • //a[text()]='下一頁>'獲取包含“下一頁”文本的a標籤
• /@
  
  • 獲取屬性/@屬性名
  • 篩選屬性//標籤[@屬性名]
• //
  
  • 在xpath開始的時候表示從當前html中任意位置開始選擇
  • a//b表示a標籤下的任意b標籤
• |
  
  • 或語法，多個條件一起

---

開始

• F12開發者模式抓包段子，發現<dl>標籤爲所選段子文本內容；
• 在XPath Heaper中輸入//dl發現右上角紅框都選取了；
  
• 通過屬性篩選去除右上角內容，但依然包括了用戶名和打賞等不需要的文本；
  
• 進一步屬性篩選，發現只能選擇短文本，不能選擇隱藏的長文本；

//dl[@class="clearfix dl-con"]//div[@class="content-img clearfix pt10 relative"]

• 因此用|或符號；

//dl[@class="clearfix dl-con"]//div[@class="content-img clearfix pt10 relative imgboxBtn"]|//dl[@class="clearfix dl-con"]//div[@class="content-img clearfix pt10 relative"] 

• 完成全部段子的提取。