XPath2Doc 1.0.0.1正式版 网站数据采集工具

XPath2Doc是一个专业的网站数据收集工具。如何收集网站数据？有一个最简单的方法，那就是通过XPath2Doc收集！这是一个通过半自动收集网页来生成Word docx文件的工具。它具有企业搜索和天眼搜索的配置。它使用XPath2Doc手动登录WebBrowser窗口，找到需要的数据页面，然后点击程序按钮进行采集。因此，它是一个用Docx工具填充的半自动网页数据。

配置说明：

1、这个程序需要三个配置文件：General.ini、custom。最后两个文件名是自己定义的。

将军。ini文件定义了存储INI文件和Docx模板文件的目录。你可以留空。默认值是程序所在的目录。

用户定义的。ini和用户定义的模板。Docx是软件用户用来创建XPath语句并最终生成文件的docx模板。有关详细信息，请参见ini文件中的说明。请注意，Docx模板文件中的“@ # 0001 # @”等字符是INI文件中定义的标记字符串，用于替换网页集的内容。替换关键字的后缀和模板文件名在ini文件中定义。

2.在使用这个程序之前，请创建您自己的INI配置文件和Docx模板文件。(详情请参考随附的公司文件、2D配置文件和起诉模板)

需要注意的是，模板文件支持待采集文档不同部分的不同URL，所以要注意URL的设置。

工作准则：

网页的每一个元素都可以表示为一个XPath语句，所以我们可以读取浏览器打开的网页的源代码，通过XPath语句获取网页元素中的文本。

如何获取XPath语句：

通常我们可以用谷歌Chrome浏览器打开网站页面，按F12打开开发者工具界面。在ELements选项卡下，当鼠标移动时，可以看到Web内容被阴影覆盖。单击三角形符号可以更进一步。找到准确的位置，直到找到所需的最终数据位置。右键单击找到的文本，从弹出菜单中选择复制-复制XPath，并将其粘贴到记事本中以获得所需的XPath语句。

这里需要说明的是，如果复制的XPath语句中的/Tbody会影响集合，那么问题将由程序内部处理，但在某些特殊情况下可能会影响数据的收集，可以手动删除。

软件说明：

启动程序-选择模板-单击“捕获数据”按钮旁边的黑色三角形，单击下拉菜单，然后单击要捕获的零件。等待浏览器加载网页，手动输入需要查询的内容，点击查询，找到数据的具体页面，然后点击“收集数据”按钮，查看列表右侧是否有需要的数据。继续打开下拉菜单，选择下一个要收集的部分。如果网址发生变化，请等待浏览器加载并找到所需的数据页面。单击收集数据按钮，查看数据的第二部分是否在右侧列表中获得。重复此过程，直到数据完全收集完毕。

如果两部分的网址相同，则需要在浏览器中重新查询新数据，然后再点击下一部分的下拉菜单。当新数据页面出现时，单击下拉菜单选择下一个要收集的零件。(如果网址相同，点击下一步直接从网页获取数据。如果浏览器不改变页面，数据就是错误的。)如果需要重新获取零件，请在下拉菜单中单击零件的名称，然后单击“Capture”按钮重复采集(此时可以更改浏览器的数据页面，从不同的公司获取数据)。

如果列表中收集的数据有偏差，可以点击自行修改。如果XPath语句有错误，可以自己修改测试结果(XPath语句修改后会立即重新捕获浏览器数据，所以浏览器应该是一个有效的数据页面)。修改后的XPath语句程序不会保存到INI文件，请自行保存。

如果列表中的数据是正确的，并且预览窗口中Docx模板的内容是正确的，您可以单击“创建文档”按钮来填写要生成的文件的名称。软件将使用捕获的网页数据替换模板中的索引字符串，并自动生成它。Docx文档。

需要注意的是，右下角的Docx预览窗口不能完全支持Word文档。对于非标准文档，文本可能会丢失或放错位置。在这种情况下，您可以忽略它或将模板文件更改为规范的文本格式(单行间距)。