概述

从HTML代码中提取内容，在一定程度上也可以支持XML文档内容的提取。

本模块在内部使用HtmlAgilityPack组件，深入使用可以参考其文档。

注意

此模块对完全相同的链接在短时间内多次提取会使用缓存数据！因此对于更新频繁的html链接请使用“http请求+提取”两步骤实现！避免目标数据不能及时更新的bug。

参数

【源HTML】要从中提取内容的HTML代码或网址(http、https)。如果是网址，模块将自动下载HTML代码。

【网页编码类型】在指定网址获取HTML内容时，设定网页的编码类型，通常用于解决某些网页读取后汉字乱码的问题。默认（留空时）为UTF8编码。指定值为“auto”时，将会请求两次，先获取编码后再重新请求并根据编码解析内容。

【节点XPath】要提取内容的XPath。例如：

• 网页的标题：html/head/title

如果无法找到节点，可以尝试使用小写字母的节点名；

【提取方式】提取单个值还是多个值。

• 第一个符合条件的节点：只返回第一个符合xpath条件的节点的内容。
• 所有符合条件的节点：返回所有符合xpath条件的节点的内容。此时，提取的值类型将是一个列表类型。

【提取内容】提取的节点具体内容，根据提取方式的不同，返回的结果也不太一样。当提取方式为“第一个符合条件的节点”时，返回该节点的内容；当提取方式是“所有符合条件的节点”时，返回每个符合条件节点的指定内容的列表。

【属性名称】当“提取内容”为“节点的某个属性”时，指定要返回节点的属性名。

【失败后停止动作】失败时是否停止动作。

输出

【值】返回提取的内容。

示例动作：

• 将浏览器当前网址生成MarkDown链接 https://getquicker.net/sharedaction?code=bf4e796f-e1a5-41ba-1925-08d7b02d7fd4

历史

• 1.4.17 开始提供此模块。
• 20230704 增加支持XML，以及使用小写xpath的说明。

参考

• XPath教程：

• https://www.w3school.com.cn/xpath/index.asp
• https://zhuanlan.zhihu.com/p/29436838

• XPath测试工具

• http://xpather.com/