Groovy htmlunit getFirstByXPath返回null+；光学字符识别问题

我最近遇到了一些HtmlUnit返回空值的问题，我正在寻求指导。我抓取网站第一行的每个结果都返回null。我想知道是否有人可以

A）解释它们可能返回null的原因

B）解释获取信息的更好方法（如果有的话）

以下是我的当前代码（URL位于源代码中）：

现在，我所有的XPath都返回null，并且.getValue（）显然不适用于null

我也有一些问题，我应该如何处理端口，因为它是一个图像？有没有比下载并尝试通过OCR解决更好的选择？

旁注

---

这个网站没有什么意义，我只是在寻找一个我可以练习抓取的网站（上一个我遇到碎片标识问题，无法得到答案：and）

看起来你的xpath查询不正确。根据代码示例中提供的url，表单元素应从搜索路径中删除

下面是一个xpath查询，当页面布局发生更改时，该查询不太容易中断

//table[@id='proxylist-table']/tbody/tr/td[2]

就端口号而言，该页面的作者一定希望该部分数据不会因为某种原因而被删除。做OCR可能是你最好的选择

---

然而，您可以做的一件事是查看返回的图像的大小来猜测端口号。例如，我注意到显示端口80的图像的内容长度都是406或411。端口8080是402或409。图像有两种不同的大小以与行颜色混合。如果Url以1结尾，它将有一个白色的背景，如果它以0结尾，它将有一个浅灰色的背景，并且总是大一些字节。这种方法有明显的缺点，但可能有效。

您的xpath查询似乎不正确。根据代码示例中提供的url，表单元素应从搜索路径中删除

下面是一个xpath查询，当页面布局发生更改时，该查询不太容易中断

//table[@id='proxylist-table']/tbody/tr/td[2]

就端口号而言，该页面的作者一定希望该部分数据不会因为某种原因而被删除。做OCR可能是你最好的选择

---

然而，您可以做的一件事是查看返回的图像的大小来猜测端口号。例如，我注意到显示端口80的图像的内容长度都是406或411。端口8080是402或409。图像有两种不同的大小以与行颜色混合。如果Url以1结尾，它将有一个白色的背景，如果它以0结尾，它将有一个浅灰色的背景，并且总是大一些字节。这种方法有明显的缺点，但可能有效。

我使用firebug获得了包含表单的XPath（我认为这是正确的）。但是，即使从XPath中删除表单，也会返回null。感谢您的响应，Aaron，这让我重新检查了XPath，我现在将其更改为：/html/body//table/tbody/tr/td[2]，它似乎为我提供了该值的正确信息。这一部分已经解决了（现在），所以剩下的只有我的另一部分questions@StartingGroovy-我更新了一个更好的XPath查询，并为您关于端口号是图像的问题添加了一个答案。感谢您的回答，非常感谢：）我使用firebug获得了包含表单的XPath（我认为它是正确的）。但是，即使从XPath中删除表单，也会返回null。感谢您的响应，Aaron，这让我重新检查了XPath，我现在将其更改为：/html/body//table/tbody/tr/td[2]，它似乎为我提供了该值的正确信息。这一部分已经解决了（现在），所以剩下的只有我的另一部分questions@StartingGroovy-我更新了一个更好的XPath查询，并为您关于端口号是图像的问题添加了一个答案。感谢您的回答，非常感谢：）