Javascript 使用xpath提取结构化数据的策略

是否存在使用XPath从HTML页面提取结构化数据的模式？我试图从页面上的一个或多个HTML表中提取数据。XPath使查找表变得很容易，但一旦找到了表，我就很难了

我目前正在做以下工作：

• 迭代表（可能有多个）
• 迭代该表中的行
• 迭代该行中的单元格
• （然后可能将它们放入数组并解析内容）

我的代码是这样的：

var tables = mydoc.evaluate( "//table", mydoc, null, XPathResult.ORDERED_NODE_ITERATOR_TYPE, null );

table = tables.iterateNext();
while (table)
{
  var rows = mydoc.evaluate("tbody/tr", table, null, XPathResult.ORDERED_NODE_ITERATOR_TYPE, null);
  row = rows.iterateNext();
  while (row)
  {
    var tds = mydoc.evaluate("td", row, null, XPathResult.ORDERED_NODE_ITERATOR_TYPE, null)
    td = tds.iterateNext()
    while(td)
    {
      // TODO: store content in an array to process later
      print('*' + td.textContent);
      td = tds.iterateNext();
    }
    row = rows.iterateNext();
  }

  table = iterator.iterateNext();
}

这似乎有点令人讨厌，因为所有XPath示例似乎都是一步完成处理的。选择并组合两种类型的数据（例如，表中的标签和值）的例子似乎很少。我可以使用以下选择器，但最终得到两个没有结构的列表：

//table/tbody/tr/td[@class='label']
//table/tbody/tr/td/a[@class='value']

//table/tbody/tr/td[@class='label'] 
//table/tbody/tr/td/a[@class='value']

（我知道我正在使用XPath进行HTML解析，这并不是我真正想要的，但到目前为止它似乎还可以工作。）

似乎很少有不平凡的事情 两种类型的数据（例如。 表中的标签和值）是 选择和组合。我可以用 下面是选择器，但我最终得到了 两个没有结构的列表：

//table/tbody/tr/td[@class='label']
//table/tbody/tr/td/a[@class='value']

//table/tbody/tr/td[@class='label'] 
//table/tbody/tr/td/a[@class='value']

使用：

    //table/tbody/tr/td[@class='label']
|
    //table/tbody/tr/td/a[@class='value']

这个XPath表达式选择所有需要的节点（我知道的所有XPath引擎都会按文档顺序返回所选节点）。

|

（并集）运算符生成其参数的集合并集

---

如果（x）Html文档具有规则结构，则您可能希望在返回的结果中，每个选定的

td

元素（标签）后面都跟有相应的

a

元素（值）

，如果它位于Html主页面上，您可以执行以下操作：

for(var tables=document.getElementsByTagName("table"),i=0;i<tables.length;++i)
  for(var rows=tables[i].getElementsByTagName("tr"),j=0;j<rows.length;++j)
    for(var cells=rows[j].getElementsByTagName("td"),k=0;k<cells.length;++k)
      print("*"+cells[i].textContent);

---

对于（var tables=document.getElementsByTagName（“table”），i=0；在XPath 1.0中，只有节点集数据类型不是原子类型。它是一个集合：无序的uniques节点，而不是“结构化”数据类型。您需要的是某种分组：对于每个
//table/tbody/tr
，然后提取
td[@class='label']
和
td/a[@class='value']
。问得好，+1。有关选择所需节点的单个XPath表达式，请参阅我的答案。