简体中文(ZH-CN) English(EN) 繁体中文(ZH-TW) 日本語(JA) 한국어(KO) Melayu(MS) Français(FR) Deutsch(DE)
html - xpath怎样不包括某个节点？
PHPz
PHPz 2017-04-18 09:37:42
0
3
478

公司有30多个网站，因为G20怕被篡改。
写了个scrapy爬下30多个网站的<body>内容，然后保存json对比。
其中两个网站有访问人数统计，所以每次访问得到的数字都不一样，所以不能判断是否被篡改。
想到的方法是去除掉那两个网站的统计<p>。
但是用Xpath始终没有成功。。

<p class="Copyright">
    <p><a href="/index">xxx</a>  
        <a href="#">xxx</a>  
        <a href="#">xx</a>  
        <a href="#">xx</a>  
        <a href="/xxx/nexxxfo/id/6xx4">联系我们</a> | 
        <a href="/xxx/nexxxfo/id/60xx">帮助中心</a><p> 
        <p>xxxx</p>
        <p>xxxxx 访问量：283444</p>
        <p style="width:300px;margin:0 auto 5px auto; ">
            <a target="_blank" href="h" style="dihxxxpx;">xxxx</p></a>
        </p>
    </p>
</p>

使用Xpath //body/*[not(contains(p/@class, 'Copyright'))]
另外也试了好多种方法。都不行
还有一个问题是，因为有两个页面，所以我不能只去除Copyright这个p还有一个叫m-content也要去除。。
请问如何操作。。

PHPz
PHPz

学习是最好的投资！

membalas semua(3)
巴扎黑
巴扎黑2017-04-18 09:39:42 Tingkat 3

Biasa sepatutnya ok kan? Sudahkah anda mencubanya?

Suka +0
Tambah Balasan
左手右手慢动作
左手右手慢动作2017-04-18 09:39:42 Tingkat 2

  1. Nampaknya contains hanya boleh memadankan atribut atau teks tag

  2. Anda boleh menggunakan and dalam kurungan segi empat sama xpath untuk dipadankan selari dengan keadaan

Suka +0
Tambah Balasan
刘奇
刘奇2017-04-18 09:39:42 Tingkat 1

xpath adalah untuk memadankan dan tidak sepadan Anda menariknya ke bawah dan kemudian memadankan bahagian yang tidak diperlukan dan mengeluarkannya

Suka +0
Tambah Balasan
Topik popular
Lagi>
Artikel popular
Tutorial Popular
Lagi>
Tutorial berkaitan
Cadangan popular
Kursus terkini
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina：Latihan PHP dalam talian kebajikan awam，Bantu pelajar PHP berkembang dengan cepat！