如何用XPath提取表格指定列的单元格数据？

需要提取目标表格中表头显示"6"的列对应的所有单元格数据，部分单元格无内容，尝试过的XPath表达式无效，计划在Octoparse中使用XPath完成提取。

目标表格代码：

<table class="table table-responsive table-striped" style="color:#fff; ">
<thead>
<tr>
    <th scope="col"><div style="width:100%;">#</div></th>
    <th scope="col" sort="outfit_name"><div style="width:100%;min-width:150px" class="btn btn-primary" sort="name" onclick="reorder('1')">1</div></th>
    <th scope="col" sort="price"><div style="width:100%;" class="btn btn-primary" sort="rarity" onclick="reorder('rarity')">2</div></th>
    <th scope="col" sort="text"><div style="width:100%;min-width:50px" class="btn btn-primary" sort="outfitType" onclick="reorder('2')">3</div></th>
    <th scope="col" sort="text"><div style="width:100%;min-width:50px" class="btn btn-primary" sort="craftable" onclick="reorder('3')">4</div></th>
    <th scope="col" sort="text"><div style="width:100%;min-width:50px" class="btn btn-primary" sort="locationText" onclick="reorder('4')">5</div></th>
    <th scope="col" sort="instructions"><div style="width:100%;" class="btn btn-primary" sort="vendorText" onclick="reorder('5')">6</div></th>
    <th scope="col" sort="outfit_class"><div style="width:100%;" class="btn btn-primary" sort="themeText" onclick="reorder('6')">7</div></th>
</tr>
</thead>
<tbody>

<tr>
<th scope="row" style="font-size: 14px; vertical-align: middle;">1</th>
    <td style="font-size: 13px; vertical-align: middle;">info here</td>
    <td style="font-size: 13px; text-align:center; vertical-align: middle;">info here</td>
    <td style="font-size: 13px; text-align:center; vertical-align: middle;">info here</td>
    <td style="font-size: 13px; text-align:center; vertical-align: middle;"> info here </td>
    <td style="vertical-align: middle;"></td>
    <td style="vertical-align: middle;"><div style="width:85px;" onclick="load_vendor(this)" context="<p>data here</p>" outfit="Name Here" class="btn btn-primary"> 🛒️</div></td>
    <td style="vertical-align: middle;"><div style="width:93px;" onclick="load_theme(this)" context="<p>data here</p>" outfit="Name Here" class="btn btn-primary"> ℹ️ </div></td>
</tr>

</tbody>
</table>

尝试过的无效XPath：

//td[position()<=(count(//tr/th[.='6']/preceding-sibling::*)+1)]

可行解决方案 #

思路1：按表头文本动态定位列位置 #

通过表头中显示"6"的<th>元素确定列的位置，再提取tbody中对应位置的单元格，适合列位置可能变化的场景：

//tbody/tr/*[position() = count(//thead/tr/th[div/text()='6']/preceding-sibling::*) + 1]

思路2：直接固定位置提取（列位置固定时） #

如果表头列位置不会变动，直接选择tbody每行的第7个元素（对应表头显示"6"的列），或直接选择第6个<td>：

//tbody/tr/*[7]

或

//tbody/tr/td[6]

思路3：利用表头语义化属性定位（更可靠） #

表头中显示"6"的<th>带有sort="instructions"属性，通过该属性定位列位置，避免文本变动影响：

//tbody/tr/*[position() = count(//thead/tr/th[@sort='instructions']/preceding-sibling::*) + 1]

提取单元格内的属性（如需） #

如果需要提取单元格内按钮的context或outfit属性，可使用以下XPath：

//tbody/tr/td[6]/div/@context

或

//tbody/tr/td[6]/div/@outfit

在Octoparse中使用时，将对应XPath填入数据提取规则的XPath输入框，根据需求选择提取文本、HTML或属性值即可。

内容的提问来源于stack exchange，提问作者Eric K.