XPath包含函数: 文本匹配定位技巧

这个XPath包含函数，到底能帮你干啥？

搞数据抓取的老铁们肯定都懂，网页元素经常变来变去就像个调皮孩子。这时候用contains()函数就像给XPath装了个模糊搜索器，比如要找class属性里带”price”字样的div，直接写//div[contains(@class,'price')]，管它后面跟的是”-new”还是”-discount”都能一网打尽。

举个栗子，某电商网站的价格标签今天用product-price，明天改成item-price，用普通定位方法就得天天改代码。要是用contains函数写成//span[contains(@id,'price')]，至少能保证三个月不用改脚本——前提是网站不把”price”这个词也给改了。

代理IP和XPath搭配干活不累

很多新手不知道，用XPath抓数据时频繁请求会被封IP。这时候ipipgo的动态代理池就派上用场了，他们的住宅代理IP轮着用，配合随机请求间隔，能把被封概率降到最低。

特别提醒：用contains函数定位时，最好搭配ipipgo的高匿代理，因为有些网站会检测XPath的查询特征。上次有个客户用普通代理抓数据，结果网站把带contains的请求都拦截了，换成ipipgo的定制代理才解决问题。

实战避坑指南

1. 别把contains当万能钥匙——遇到<div class="price-box special">这种中间有空格的，得写成contains(@class,'price')而不是整个字符串

2. 大小写敏感这个坑踩过的人都懂，用translate()函数转成小写更保险，比如：
//[contains(translate(text(),'ABCDEFGHIJKLMNOPQRSTUVWXYZ','abcdefghijklmnopqrstuvwxyz'),'iphone')]

3. 代理IP要记得设置白名单，特别是用ipipgo的企业级代理时，在后台绑定服务器IP才能用。有次有个哥们忘了这茬，调试了半天还以为自己XPath写错了。

常见问题QA

Q：XPath写对了但抓不到数据，咋回事？
A：八成是触发了反爬机制，建议：
1. 检查请求头是否完整
2. 降低采集频率
3. 换用ipipgo的动态住宅代理

Q：contains函数会影响抓取速度吗？
A：确实会比精确匹配慢点，但用ipipgo的独享代理能补回来。实测用他们的10M带宽代理，处理10万条数据能快30%左右。

Q：同时用多个contains怎么优化？
A：试试这样写：//div[contains(@class,'box') and contains(@id,'item')]，配合ipipgo的智能路由功能，能自动选择延迟最低的节点。

最后叨叨一句，现在很多网站都加了AI防护，光靠技术手段不够看。像ipipgo最近新出的指纹浏览器代理套餐，能模拟真实浏览器环境，搭配XPath抓取更稳当。特别是做电商比价的兄弟，用这个方案能少掉很多头发。