1分鐘快速生成用於網頁內容提取的xslt
阿新 • • 發佈：2019-02-05
1，專案背景
在《Python即時網路爬蟲專案說明》一文我們說過要做一個通用的網路爬蟲，而且能節省程式設計師大半的時間，而焦點問題就是提取器使用的抓取規則需要快速生成。在python使用xslt提取網頁資料一文，我們已經看到這個提取規則是xslt程式，在示例程式中，直接把一長段xslt賦值給變數，但是沒有講這一段xslt是怎麼來的。
網友必然會質疑：這個xslt這麼長，編寫不是要花很長時間？
實際情況是，這個xslt是通過GooSeeker的MS謀數臺的直觀標註功能自動生成的，熟練的話1分鐘就搞定了。
2，MS謀數臺能做什麼
MS謀數臺有個圖形化介面，把一系列html解析工具整合在一起，包括： 
第三步，點選工作臺的“測試”按鈕，xslt就生成了，在“資料規則”視窗顯示出來 
通過以上的操作，不用程式設計，用圖形化介面直接在頁面上標註，1分鐘就可以生成xslt
4，怎樣使用XSLT
在一文，我們把生成xslt作為一個字串交給程式，給人感覺好像一下子回到了史前文明，前面講的那麼好，最後用了很原始的拷貝。其實不然，那個只是一個例子。在《python即時網路爬蟲專案:
內容提取器的定義》一文已經初見端倪了，有多種注入xslt的方式，最自動化的方式是api，將在後續文章中詳細講解。
5，文件修改歷史
2016-05-28：V3.0，增加第二章
2016-05-26：V2.0，增補文字說明
- 基於直觀標註自動生成XSLT
- 即時測試XSLT的正確性
- 樹狀的DOM結構展示
- 剖析某個DOM節點的屬性
- 為DOM節點生成XPath，可選擇定位到class、或者id、或者絕對定位
-
根據xpath搜尋DOM節點
第三步，點選工作臺的“測試”按鈕，xslt就生成了，在“資料規則”視窗顯示出來
通過以上的操作，不用程式設計，用圖形化介面直接在頁面上標註，1分鐘就可以生成xslt
4，怎樣使用XSLT
在一文，我們把生成xslt作為一個字串交給程式，給人感覺好像一下子回到了史前文明，前面講的那麼好，最後用了很原始的拷貝。其實不然，那個只是一個例子。在《python即時網路爬蟲專案:
內容提取器的定義》一文已經初見端倪了，有多種注入xslt的方式，最自動化的方式是api，將在後續文章中詳細講解。
5，文件修改歷史
2016-05-28：V3.0，增加第二章
2016-05-26：V2.0，增補文字說明