使用XPath在Web表格中同时获取联系人列及其对应公司、国家列值
失效原因拆解
之前写的XPath无法达到预期,核心是两个逻辑问题:
- XPath中的
and是条件判断运算符,不能用来拼接两个独立的节点定位路径,原写法最终会返回布尔值而非目标单元格集合,根本无法抓取到表格内容 - 拆分定位两个td时,没有将匹配逻辑绑定到同一个父级
<tr>节点上,极易出现跨行匹配的问题——比如匹配到的Canada文本所在的国家列,可能和之前匹配到的Laughing Bacchus Winecellars公司列分属不同行,无法建立正确的字段关联。
正确实现方案
核心思路是先锚定目标数据行<tr>,再从该行节点下取出所有需要的关联单元格,而非分开定位不同的td再查找前后兄弟节点。
适配现有匹配条件的写法
你之前提到的两个匹配特征(公司名为Laughing Bacchus Winecellars、国家为Canada)本身就是同一行的两个字段,直接把两个条件写入<tr>的匹配规则,即可一次性取出整行的三个关联值(公司、联系人、国家):
//tr[td[normalize-space(text())='Laughing Bacchus Winecellars'] and td[normalize-space(text())='Canada']]/td
优化提示:搭配
normalize-space()函数做文本匹配,可以规避表格单元格常见的换行、多余空格导致的匹配失败问题,比直接写text()='xxx'的匹配稳定性更高。
通用场景写法
如果需要逐行提取表格中所有数据行的三列关联值(公司列、中间联系人列、国家列),可以直接匹配包含3个单元格的有效数据行,取出整行对应单元格:
//tr[count(td)=3]/td
如果是已知联系人列的某个值,需要带出同行的公司、国家字段,只需要把联系人的匹配规则写入<tr>的筛选条件即可,比如匹配联系人为Yoshi Tannamuri的行:
//tr[td[normalize-space(text())='Yoshi Tannamuri']]/td
内容的提问来源于stack exchange,提问作者Prabhanjan
相关产品推荐
相关产品推荐

