網(wǎng)站數(shù)據(jù)采集生成doc軟件XPath2Doc

XPath2Doc是一款用于采集網(wǎng)站數(shù)據(jù)填充文檔的工具，如果你經(jīng)常需要從一些網(wǎng)站采集數(shù)據(jù)來填充你的文檔，通過手動操作肯定很麻煩，推薦大家使用這款XPath2Doc工具，可以幫你輕松解決數(shù)據(jù)填充的問題。

軟件使用說明：

1、本程序工作需要三個配置文件：General.ini，自定義.ini，自定義模板.docx。后兩個文件名自己定義。
General.ini文件中定義了INI文件和Docx模板文件的存放目錄，可以不填，默認(rèn)是程序所在目錄。
自定義.ini、自定義模板.docx是軟件使用者自己創(chuàng)建的網(wǎng)頁采集XPath語句及最后生成文件所用的Docx模板，具體設(shè)置方法請看ini文件中的說明。注意，Docx模板文件中的“@<#0001#>@”之類的字符是在INI文件中定義的用于替換網(wǎng)頁采集內(nèi)容的標(biāo)記字符串。ini文件中定義了替換關(guān)鍵字的前后綴和模板文件名。

2、使用本程序前，請先建立好你自己的INI配置文件和Docx模板文件。（具體可以參見附帶的企查查、天眼查兩個配置文件和起訴書模板）
需要說明的是，模板文件支持對文檔的不同部分使用不同的網(wǎng)址進(jìn)行采集，注意Url的設(shè)置。

3、使用方法：
啟動程序--選擇模板--點(diǎn)擊采集數(shù)據(jù)按鈕旁邊的黑色三角符號，點(diǎn)開下拉菜單，點(diǎn)擊需要采集的部分。等候?yàn)g覽器加載網(wǎng)頁完畢，手工輸入需要查詢的內(nèi)容，點(diǎn)擊查詢，找到數(shù)據(jù)的具體頁面，然后點(diǎn)擊采集數(shù)據(jù)按鈕，觀察右側(cè)的列表中是不是已經(jīng)得到需要的數(shù)據(jù)。繼續(xù)點(diǎn)開下拉菜單，選擇下一個需要采集的部分，如果網(wǎng)址發(fā)生了變化要等候?yàn)g覽器加載完畢，找到需要的數(shù)據(jù)頁面。點(diǎn)擊采集數(shù)據(jù)按鈕觀察右側(cè)列表中是不是得到了第二部分的數(shù)據(jù)。如此反復(fù)，直到數(shù)據(jù)全部采集完畢。
如果前后兩部分的網(wǎng)址相同，在點(diǎn)擊下一部分的下拉菜單之前，要先在瀏覽器中重新查詢新的數(shù)據(jù)，等新數(shù)據(jù)頁面出來之后在點(diǎn)擊下拉菜單選擇下一部分進(jìn)行采集。（網(wǎng)址相同的情況下，點(diǎn)擊下一部分會直接從網(wǎng)頁取數(shù)據(jù)，如果瀏覽器沒有換頁面，數(shù)據(jù)就錯了。）如果某個部分需要重新采集，請先點(diǎn)擊下拉菜單中的該部分名稱，然后點(diǎn)擊采集按鈕重復(fù)采集該部分（此時可以隨意改變?yōu)g覽器的數(shù)據(jù)頁面，得到的就是不同公司數(shù)據(jù)）。
列表中采集得到的數(shù)據(jù)結(jié)果如果有偏差，可以單擊自行修改。XPath語句如果有什么錯誤，也可以自己修改看測試結(jié)果（XPath語句在修改后會立即重新抓取瀏覽器的數(shù)據(jù)，所以瀏覽器最好是有效數(shù)據(jù)頁面），在程序中修改的XPath語句，不會保存到INI文件中，請自行手工保存。
如果列表中數(shù)據(jù)無誤，預(yù)覽窗口中的Docx模板內(nèi)容也正確，則可以點(diǎn)擊創(chuàng)建文檔按鈕，填寫要生成的文件名，本軟件會使用抓取到的網(wǎng)頁數(shù)據(jù)替換模板中的索引字符串，自動生成Docx文檔。
需要說明的是，右下角的Docx預(yù)覽窗口不能完整的支持Word文檔，對不標(biāo)準(zhǔn)的文檔可能會出現(xiàn)文本缺失或者錯位現(xiàn)象。遇到這種情況，可以忽略，或者將模板文件改成規(guī)范的文本格式（單倍行距）。

XPath語句的獲取辦法：

通常我們可以使用谷歌的Chrome瀏覽器打開網(wǎng)站頁面，按F12調(diào)出開發(fā)者工具界面，在ELements選項(xiàng)卡下，隨著鼠標(biāo)的移動可以看到網(wǎng)頁內(nèi)容被陰影覆蓋，點(diǎn)開三角符號，可以更進(jìn)一步定位準(zhǔn)確的位置，直到找到最終需要的數(shù)據(jù)位置。在找到的文本上點(diǎn)鼠標(biāo)右鍵，在彈出的菜單中，選擇Copy-Copy XPath，然后粘貼到記事本即可得到需要的XPath語句。
這里需要說明一點(diǎn)：如果拷貝出來的XPath語句中有/tbody會影響采集，程序內(nèi)部對此問題進(jìn)行了處理，但可能會在某些特殊情況下還是會影響數(shù)據(jù)采集，可以手工去掉。