La fonction contains dans XPath : Positionnement de la correspondance de texte

Comment fonctionne la notion de contenu dans XPath ?

Les confrères engagés dans l'exploration du web ont dû voir cette situation : il y a un bouton sur la page introuvable, regardez de plus près pour trouver son nom de classe avec une chaîne de caractères aléatoire. À ce stadefonction contains()Un véritable sauveur, spécialisé dans les puzzles de positionnement à éléments changeants.

A titre d'exemple concret, l'élément prix d'un site de commerce électronique se présente comme suit :

<div class="price_abc123">¥299</div>

Vous ne pouvez pas l'attraper du tout avec XPath normal, il est donc temps de sortir l'astuce du contenu :

//div[contains(@class, 'price_')]

Quel est le lien entre les IP proxy et XPath ?

Quelle est la plus grande crainte liée à l'utilisation d'adresses IP par procuration pour la collecte de données ?Il a été reconnu par le site web !Certains sites se concentrent spécifiquement sur les caractéristiques de positionnement du XPath, si vous constatez que vous utilisez toujours un chemin fixe pour capturer les données, les minutes pour bloquer l'IP. Cette fois, le pool d'IP dynamiques d'ipipgo sera utile, chaque demande pour une IP d'exportation différente, avec un positionnement flexible contient, le taux de réussite de la collecte directement doublé.

Par exemple, si vous souhaitez connaître le prix des carburants dans différentes régions du pays, la structure de la page web peut être adaptée aux différentes provinces :

//span[contains(text(), 'petrol 92')]/following-sibling::div

Cette fois, il s'agit d'accrocher le proxy de haute qualité d'ipipgo, à la fois pour assurer un positionnement précis, mais aussi pour éviter de déclencher le mécanisme d'anti-escalade.

Trois pièges majeurs dans le monde réel

1. Contenu du texte avec des espacesCertains sites web ont des espaces cachés avant et après le texte, n'oubliez pas d'ajouter l'espace de normalisation pour y remédier :

//[contains(normalise-space(), 'login')]

2. Mixte chinois et anglaisLorsqu'il s'agit d'un texte mixte tel que "Soumettre", il est recommandé d'utiliser des caractères de pipeline pour effectuer des correspondances multiples :

//button[contains(text(), 'Submit') or contains(text(), 'Submit')]

3. Contenu chargé dynamiquementDans ce cas, n'oubliez pas de travailler avec le logiciel ipipgo'snœud à grande vitessePour ce faire, définissez un délai raisonnable afin d'éviter les échecs de positionnement dus à des retards de chargement.

Conseils d'optimisation que seuls les vieux conducteurs connaissent

- La plupart du temps, on utilise des conditions combinatoires :contient()A utiliser avec d'autres attributs pour une plus grande précision
- Donner la priorité au texte visible : ajouternot(contains(@style,'display:none'))Filtrage des éléments cachés
- Changez régulièrement votre stratégie de positionnement : tout comme pour les changements d'adresses IP, ne laissez pas les sites web découvrir votre routine !

Foire aux questions QA

Q：Que dois-je faire si la correspondance des contenus est toujours erronée ?
R : Essayez d'utilisertranslate()sont insensibles à la casse, ou utilisent plutôt des combinaisons de correspondance floue, telles que la correspondance à la fois du texte et des caractéristiques des éléments voisins.

Q : Pourquoi est-il toujours reconnu après l'utilisation d'ipipgo ?
R : Vérifiez trois choses : 1. si l'en-tête de la demande est commutée de manière aléatoire 2. si le XPath est trop fixe 3. si la fréquence d'accès est raisonnable. Il est recommandé d'ouvrir le mode de rotation automatique d'ipipgo + les paramètres de délai aléatoire.

Q : Existe-t-il une alternative au contenu ?
R : Vous pouvez essayercommence-avecpeut-êtrese termine parLa clé est de travailler avec un proxy IP de qualité, comme ipipgo, qui supportemaintien de la sessiondes services qui maintiennent efficacement la stabilité de la collecte

Pourquoi recommandez-vous ipipgo ?

Après avoir testé et comparé un certain nombre de fournisseurs de services sur le marché, ipipgo l'emporte dans trois domaines clés :
1. durée de survie de l'IP jusqu'à 6-12 heures (2-3 heures en général dans les autres foyers)
2. couverture nationale de plus de 300 nœuds urbains (moyenne du secteur : plus de 50)
3. le mécanisme de déduplication automatique garantit qu'une nouvelle adresse IP est obtenue à chaque fois.

En particulier pour les projets qui effectuent un suivi des données à long terme, utilisez leurpool IP exclusifAvec le positionnement intelligent XPath, la collecte continue pendant 30 jours sans chute. L'enregistrement d'un nouvel utilisateur permet également d'envoyer un paquet de trafic 5G, suffisant pour tester les projets de petite et moyenne taille.

Enfin, le positionnement XPath et le proxy IP sont comme des baguettes dont l'usage unique ne permet pas de manger du riz chaud. La collecte de données dans ce domaine est à mi-chemin, grâce à un proxy ipipgo fiable. Le reste est plus de pratique et plus d'ajustements, il y a toutes les questions spécifiques bienvenue au site officiel pour trouver le service à la clientèle technique nagging.